ESTATÍSTICA APLICADA À INSPEÇÃO MECÂNICA · eles tornaram a Estatística mais forte e agora,...
132
ESTATÍSTICA APLICADA A INSPEÇÃO MECÂNICA SERRA 2006
Transcript of ESTATÍSTICA APLICADA À INSPEÇÃO MECÂNICA · eles tornaram a Estatística mais forte e agora,...
ESTATÍSTICA APLICADA A INSPEÇÃO MECÂNICA
SERRA
2006
SUMÁRIO
1. INTRODUÇÃO ............................................................................................................................... 5 1.1. O QUE É ESTATÍSTICA? ............................................................................................................ 5 1.2. HISTÓRIA DA ESTATÍSTICA ........................................................................................................ 7
2. ORGANIZAÇÃO, RESUMO E APRESENTAÇÃO DE DADOS ESTATÍSTICOS ........................ 9 2.1. DADOS ESTATÍSTICOS ............................................................................................................ 10
2.1.1. Tipos de Dados................................................................................................................ 10 2.2. MEDIDAS DE TENDÊNCIA CENTRAL.......................................................................................... 13
2.2.1. A Média............................................................................................................................ 13 2.2.2. A Média Ponderada......................................................................................................... 14 2.2.3. A Mediana........................................................................................................................ 15 2.2.4. Comparação entre Média e Mediana .............................................................................. 16 2.2.5. Moda................................................................................................................................ 16
2.3. MEDIDAS DE DISPERSÃO ........................................................................................................ 17 2.3.1. Desvio Padrão ................................................................................................................. 18
2.4. ANÁLISE DE GRANDES CONJUNTOS DE DADOS ........................................................................ 18 2.5. DISTRIBUIÇÕES DE FREQÜÊNCIA ............................................................................................. 19
2.5.1. Construção de uma Distribuição de Freqüência para Dados Contínuos ........................ 20 2.5.2. Construção de uma Distribuição de Freqüências para Dados Discretos........................ 21 2.5.3. Construção de uma Distribuição de Freqüência Acumulada .......................................... 24 2.5.4. Distribuições de Freqüência para Dados Nominais e por Postos................................... 26
2.6. ESTUDO DE CASO .................................................................................................................. 27 3. PROBABILIDADE........................................................................................................................ 31
3.1. A PROBABILIDADE DE UM EVENTO........................................................................................... 32 3.2. ESPAÇO AMOSTRAL E EVENTOS.............................................................................................. 33 3.3. TRÊS ORIGENS DA PROBABILIDADE......................................................................................... 36
3.3.1. O Método Clássico .......................................................................................................... 37 3.3.2. O Método Subjetivo ......................................................................................................... 39
3.4. A MATEMÁTICA DA PROBABILIDADE ......................................................................................... 40 3.4.1. Cálculo de Probabilidade de Ocorrência de Dois Eventos: P(A e B).............................. 41 3.4.2. Probabilidade de Ocorrência de ao Menos um de Dois Eventos: P(A ou B) .................. 42
3.5. TÉCNICAS DE CONTAGEM ....................................................................................................... 43 3.5.1. Permutações, Arranjos e Combinações.......................................................................... 45
4. AMOSTRAGEM ........................................................................................................................... 48 4.1. AMOSTRAGEM ALEATÓRIA ...................................................................................................... 53
4.1.1. Obtenção de uma Amostra Aleatória .............................................................................. 55 4.2. OUTROS PLANOS DE AMOSTRAGEM ........................................................................................ 57
4.2.1. Amostragem Probabilística Versus Amostragem Não-Probabilística ............................. 57 4.2.2. Amostragem por Julgamento .......................................................................................... 58 4.2.3. Amostragem Probabilística.............................................................................................. 59
5. DISTRIBUIÇÕES AMOSTRAIS................................................................................................... 63 5.1. EFEITO DOS PARÂMETROS POPULACIONAIS SOBRE UMA DISTRIBUIÇÃO AMOSTRAL ................... 67 5.2. EFEITO DO TAMANHO DA AMOSTRA SOBRE UMA DISTRIBUIÇÃO AMOSTRAL................................ 70 5.3. DISTRIBUIÇÕES DE MÉDIAS AMOSTRAIS................................................................................... 72
5.3.1. O Teorema do Limite Central .......................................................................................... 75 5.4. DISTRIBUIÇÕES DE PROPORÇÕES AMOSTRAIS ......................................................................... 81 5.5. DISTRIBUIÇÃO AMOSTRAL DO NÚMERO DE OCORRÊNCIAS........................................................ 82 5.6. AMOSTRAGEM DE UMA POPULAÇÃO FINITA .............................................................................. 83
6. ESTIMAÇÃO ................................................................................................................................ 87
6.1. ESTIMATIVAS PONTUAIS E INTERVALARES................................................................................ 87 6.2. OS FUNDAMENTOS LÓGICOS DA ESTIMAÇÃO ........................................................................... 88 6.3. ESTIMAÇÃO DA MÉDIA DE UMA POPULAÇÃO............................................................................. 92
6.3.1. Erro de Estimação ........................................................................................................... 93 6.3.2. Determinação do Tamanho da Amostra.......................................................................... 96
6.3.3. Estimação de Médias Quando xσ é Desconhecido: a Distribuição t.............................. 97 6.3.4. Amostragem de Pequenas Populações: O Fator de Correção Finita ........................... 102
6.4. ESTIMAÇÃO DA PROPORÇÃO NUMA POPULAÇÃO .................................................................... 103 6.4.1. Intervalos de Confiança: Uso da Fórmula ..................................................................... 104 6.4.2. Erro ................................................................................................................................ 105 6.4.3. Determinação do Tamanho da Amostra........................................................................ 107 6.4.4. Amostragem de Populações Finitas.............................................................................. 108
7. REGRESSÃO E CORRELAÇÃO .............................................................................................. 110 7.1. REGRESSÃO LINEAR............................................................................................................. 111
7.1.1. A Equação Linear .......................................................................................................... 112 7.1.2. Decisão por um Tipo de Relação .................................................................................. 114
7.2. DETERMINAÇÃO DA EQUAÇÃO MATEMÁTICA .......................................................................... 115 7.3. O MÉTODO DOS MÍNIMOS QUADRADOS ................................................................................. 117 7.4. ANÁLISE DE CORRELAÇÃO .................................................................................................... 119 7.5. DADOS CONTÍNUOS: O COEFICIENTE R DE PEARSON ............................................................. 120
7.5.1. Características de r........................................................................................................ 121 7.5.2. Correlação Momento-Produto: Conceituação ............................................................... 122 7.5.3. Interpretação de r .......................................................................................................... 127 7.5.4. Processo Prático para o Cálculo de r ............................................................................ 128
8. REFERÊNCIAS BIBLIOGRÁFICAS.......................................................................................... 130
Redescobrindo a Estatística
Toda vez que um aluno me questiona qual
será a aplicação da Estatística em sua vida
profissional me volto a mesma pergunta:
Será que nós sabemos realmente o potencial
de nossas profissões formada em árduos
anos de estudos?
Após algum tempo esquecida, a Estatística
retoma ao mercado industrial de forma
concreta e independente. De certa forma
graças ao esquecimento de sua aplicação
por profissionais em suas atividades
técnicas.
Tempos atrás engenheiros e administradores
de empresas constantemente usufruíam a
magia da estatística em não apenas analisar
os números, mas, talvez o mais importante,
massacrá-los até mostrarem o que era
realmente de interesse. Poderíamos citar
inúmeros fatores conhecidos causadores
dessa amnésia. Mas a verdade é que todos
eles tornaram a Estatística mais forte e
agora, com o seu retorno, as indústrias
começam a novamente deslumbrar suas
maravilhas e correrem atrás do tempo
perdido.
Precisamos voltar a utilizar a Estatística de
forma natural e sem medos em nossos
problemas profissionais diários, mais
comuns, deixando nossos colegas
Estatísticos livres para apoiarem os mais
diversos campos da ciência e tecnologia
acelerando cada vez mais nosso crescimento.
Tenho colhido inúmeros frutos em minha vida
profissional conciliando Engenharia e Estatística
em meu dia-a-dia. Claro que os estudos
adicionais de Estatística são utilizados, mas
graça a forte base recebida, ainda na
graduação, proporcionou-me entender logo
cedo sua importância no desenvolvimento de
minha profissão.
O aluno em formação precisa conhecer as
fronteiras de sua carreira a qual escolheu seguir
e saber onde realmente começa e termina sua
atuação como profissional, pois assim poderá
no futuro usufruir por completo de todo seu
potencial.
Acredito que parte dessa carência pode ser
suprida ainda na faculdade com o apoio de
todos nós professores, atualização constante da
grade curricular e na implantação da
interdisciplinaridade nos cursos superiores.
Assim espero repetir cada vez menos esse
discurso aos questionamentos inocente que
recebo de nossos futuros profissionais.
Salustiano Martins Pinto Júnior, MSc
Companhia Siderúrgica de Tubarão.
5
1. INTRODUÇÃO
1.1. O Que é Estatística?
Quando algumas pessoas ouvem a palavra “estatística”, imaginam logo taxas de
acidente, índices de mortalidade, litros por quilômetro, etc. essa parte da
estatística, que utiliza números para descrever fatos, é chamada de forma
bastante apropriada, estatística descritiva. Compreende a organização, o resumo
e, em geral, a simplificação de informações que podem ser muito complexas. A
finalidade é tornar as coisas mais fáceis de entender, de relatar e de discutir. A
média industrial Dow-Jones, a taxa de desemprego, o custo de vida, o índice
pluviométrico, a quilometragem meia por litro de combustível, as médias de
estudantes, tudo isto se enquadra nessa categoria.
Outro ramo da estatística relaciona-se com a probabilidade, e é útil para analisar
situações que envolvem o acaso. Jogos de dados e de cartas, ou o lançamento
de uma moeda para o ar enquadram-se na categoria do acaso. A maioria dos
jogos esportivos (futebol, basquete, turfe, etc.) também é influenciada pelo acaso
até certo ponto. A decisão de um fabricante de cola de empreender uma grande
campanha de propaganda vindo a aumentar sua participação no mercado, a
decisão de parar de imunizar pessoas com menos de vinte anos contra
determinada doença, a decisão de atravessar uma rua no meio do quarteirão,
todas utilizam a probabilidade consciente ou inconscientemente.
Um terceiro ramo da estatística é a inferência. Diz respeito à análise e
interpretação de dados amostrais. A amostragem é um exemplo vivo do adágio
“Não é preciso comer um bolo inteiro para saber se é bom”. A idéia básica da
amostragem é efetuar determinada mensuração sobre uma parcela pequena, mas
típica de determinada “população” e utilizar essa informação para fazer inferência
sobre a população toda. Os exemplos familiares são muitos. Mergulhar a ponta do
pé na água para avaliar a temperatura da piscina. Experimentar um casaco novo
diante do espelho para ver como fica. Assistir um programa de TV alguns minutos
para ver se vale à pena assisti-lo até o fim. Folhear um novo livro. Testar um novo
6
carro. Há, além disso, inúmeros exemplos da aplicação de tal conceito na
indústria. Consideremos os seguintes.
Um estúdio cinematográfico faz um teste dos candidatos a ator, para ver qual
papel atribuir a cada um.
As fábricas freqüentemente produzem um pequeno número de peças (lote piloto)
antes de se lançarem à fabricação em grande escala. Muitas firmas mantêm
milhares de itens em estoque. Utilizando técnicas de amostragem, pode-se
estimar o valor do inventário, sem proceder à contagem dos itens um a um.
Produtos novos são testados nos mercados de cidades-chave para aquilatar sua
aceitação em geral.
Firmas comerciais e entidades recorrem à amostragem por várias razões. O custo
é usualmente um fator relevante. Coligir dados e analisar resultados custa
dinheiro, e em geral, quanto maior o número de dados coligidos, maior o custo. A
amostragem reduz a quantidade de dados a coligir e analisar, diminuindo assim
os custos. Outra razão para o emprego de amostragem é que o valor da
amostragem em geral custa pouco. Para ser útil, a informação deve ser obtida e
usada rapidamente. A amostragem é a única maneira de conseguir isso. Por
vezes, o exame de determinado artigo o destrói. Testar cintos de segurança
quanto a sua resistência à ruptura obviamente o destrói; se fôssemos testar todos
os cintos, não sobraria nenhum para a venda. Essas e outras razões para
utilização de amostragem serão consideradas em capítulo posterior.
Como o leitor logo verá estas três áreas da estatística não são separadas ou
distintas. Ao contrário, elas tendem a se entrelaçar. Assim é que resumir ou
descrever dados constitui a primeira fase de sua análise. Além disso, a teoria e os
fundamentos da amostragem se baseiam na teoria da probabilidade.
Temos então três áreas entrelaçadas de interesse para a estatística: descrição e
resumo de dados, teoria da probabilidade, e análise e interpretação de dados
amostrais.
A estatística compreende a estatística descritiva, a teoria da probabilidade e
amostragem.
7
Os três ramos da estatística utilizam o método científico, que consiste das cinco
etapas básicas seguintes:
1. Definir cuidadosamente o problema. Certificar-se de que é clara a
finalidade de um estudo ou análise;
2. Formular um plano para a coleta dos dados adequados;
3. Coligir os dados;
4. Analisar e interpretar os dados;
5. Relatar as conclusões de maneira que sejam facilmente entendidas por
quem as for usar na tomada de decisões.
1.2. História da Estatística
O termo estatística foi primeiramente empregado para designar o conjunto de
dados referentes a assuntos do Estado, geralmente com finalidade de controle
fiscal ou de segurança nacional. Por este motivo a epistemologia da palavra,
segundo estudiosos, provém do latim “Status” que significa Estado, podendo
assumir diferentes significações, dependendo de como é utilizado - Objeto de
longas polêmicas o termo estatística até hoje é controvertido se ele deriva de
Estado (entidade política) ou de estado (modo de ser).
Os dados do estado referiam-se, particularmente, à população, às transações
comerciais internas ou com outros estados, ao controle da mortalidade em geral
ou provocada por uma epidemia, endemia ou doença particular, e aos problemas
de taxação e de proporcionalidade de tarifas e impostos. Além de estudar as
maneiras mais eficientes de organizar as informações obtidas, tratava também do
problema mais importante de interpretação de dados e da possibilidade de
realizar previsões.
Os estudiosos da disciplina distinguem três grandes etapas na história da
estatística:
8
a) O período mais antigo e caracterizado pela simples organização de
informações de interesse estatal, do qual é típico o famoso Domesday
Book de Guilherme o conquistador (1086), e que se estende até meados
do séc. XVII;
b) O período que medeia entre o séc. XVII e princípio do séc. XIX,
caracterizado pelas inúmeras tentativas de analisar as tabelas e os
conjuntos de dados com a finalidade de obter conclusões que pudessem
interessar à organização do Estado ou Ter aplicação específica através de
previsões para o futuro. São particularmente importantes nesse período os
trabalhos Conring, John Graunt, William Petty, Halley, e dos inúmeros
matemáticos que se dedicaram à chamada aritmética política. No século
XVIII, a Universidade de Iena promoveu, pela primeira vez, um curso
avançado de estatística. Gottfried Achenwall, da Universidade de
Göttingen, publicou uma série de estudos onde define os objetos material e
formal da estatística, pouco depois do apare-cimento do trabalho de
Süssmilch sobre as mutações no Gênero humano e que dá feição científica
aos problemas estatísticos. No séc. XIX, Adolphe Quételet realizou
cuidadoso estudo estatístico dos fatos demográficos e sociais, imprimindo
um tratamento dominantemente matemático;
c) O terceiro período iniciado com o congresso internacional de Estatística,
reunido em 1853, e que se estende aos nossos dias, caracteriza-se não
somente pelos extraordinários avanços e aperfeiçoamentos tecnológicos
da estatística em si, como, principalmente pelas múltiplas aplicações que
ele vem tendo, particularmente no campo da investigação científica. Pode-
se afirmar que o método estatístico constitui um dos mais seguros
eficientes e necessários instrumentos da ciência moderna.
9
2. ORGANIZAÇÃO, RESUMO E APRESENTAÇÃO DE DADOS ESTATÍSTICOS
Os métodos estatísticos envolvem a análise e a interpretação de números, tais
como renda anual, vendas mensais, escores de testes, números de peças
defeituosas, percentagens de respostas favoráveis a um questionário, vida ativa,
etc. Tais números são designados por dados. Para interpretar os dados
corretamente, em geral é preciso primeiro organizar e sumarizar os números. A
finalidade deste capítulo é apresentar ao leitor os métodos mais usados de
organização e sumarização dados estatísticos. Por isso, começamos
perguntando: “Que faz o leitor com os números após coligi-los?” Não raro um fim
em si mesmo, o processo de descrição de dados também prepara o caminho para
análise adicional sob forma de inferências a respeito de uma população.
Dados Versus Informação
Em sua forma não processada, os dados podem quase não ter sentido. Grandes
quantidades de números tendem a confundir, ao invés de esclarecer,
simplesmente porque nossa mente não é capaz de abranger a variedade e os
detalhes inerentes a grandes conjuntos de números. Ficamos simplesmente
atolados em pequenos detalhes.
O processamento dos dados constitui uma ajuda porque reduz a quantidade de
detalhes. Além disso, facilita a constatação de relações. O processamento
transforma os dados em informação, organizando-os e condensando-os em
gráficos ou em poucos números, os quais, então, nos transmitem a essência dos
dados. O efeito consiste em eliminar detalhes menores e enfatizar os aspectos
importantes dos dados.
Para o processamento de dados, os gráficos e mapas são particularmente
atraentes porque proporcionam uma visualização das características importantes
dos dados. Os gráficos além de servirem como dispositivos de comunicação,
também auxiliam na conceituação de problemas. Por outro lado, as medidas
numéricas são absolutamente essenciais para fins computacionais.
10
Tanto os resumos visuais quanto os numéricos desempenham um importante
papel na análise estatística. Freqüentemente se utilizam tabelas no processo de
organização, resumo e apresentação de dados estatísticos. Conquanto as tabelas
careçam do atrativo visual dos gráficos e dos mapas, elas oferecem certas
vantagens em termos de análise matemática. A variedade de tabelas em uso nos
faz subestimar sua importância.
2.1. Dados Estatísticos
Os dados estatísticos se obtêm mediante um processo que envolve a observação
ou outra mensuração de itens tais como renda anual numa comunidade, escores
de testes, quantidade de café por xícara servida por uma máquina automática,
resistência à ruptura de fibras de náilon, percentagem de açúcares em cereais,
etc. Tais itens chamam-se variáveis, porque originam valores que tendem a exibir
certo grau de variabilidade quando se fazem mensurações sucessivas.
2.1.1. Tipos de Dados
Na maior parte das vezes, a escolha do processo a utilizar na análise ou
descrição de dados estatísticos depende do tipo de dados considerados. O leitor
deve aprender a identificar e a utilizar quatro tipos de dados: contínuos, discretos,
normais e por postos.
As variáveis que podem assumir virtualmente qualquer valor num intervalo de
valores são chamadas contínuas. Características tais como altura, peso,
comprimento, espessura, velocidade, viscosidade e temperatura enquadram-se
nesta categoria.
Os dados referentes a essas características e similares dizem-se contínuos,
embora na prática os instrumentos de mensuração tenham limitações físicas que
lhe restringem o grau de precisão.
11
As variáveis contínuas podem assumir qualquer valor num intervalo contínuo. Os
dados referentes a tais variáveis dizem-se dados contínuos.
A quantidade de café vendida por dia, ou de gasolina vendida por hora, a
velocidade do ar, o tempo de uma reação, a elasticidade, de uma tira de borracha
– todos são dados contínuos.
Uma variável discreta é uma variável que só pode assumir certos valores, em
geral inteiros. Os dados discretos surgem na contagem do número de itens com
determinada característica. Exemplos de dados discretos são o número diário de
clientes, de alunos numa sala de aula, de defeitos num carro novo, de acidentes
numa fábrica, de paradas de um caminhão, etc.
As variáveis discretas assumem valores inteiros. Os dados discretos são os
resultados da contagem do número de itens.
Tanto os dados discretos como os contínuos se dizem quantitativos, porque são
inerentemente numéricos. Isto é, certos valores numéricos acham-se
naturalmente associados às variáveis que estamos medindo. Por outro lado, os
dois tipos restantes de dados – nominais e por postos – envolvem variáveis que
não são inerentemente numéricas. São as variáveis qualitativas – que devem ser
convertidas em valores numéricos antes de serem processadas estatisticamente.
As variáveis nominais envolvem categorias tais como sexo (masculino ou
feminino), cor dos olhos (azuis, castanhos, verdes), campo de estudo (medicina,
direito, administração, biologia, engenharia), desempenho (excelente, bom,
sofrível, mau), etc. Nenhuma dessas características é naturalmente numérica.
Todavia, quando aplicadas a uma população ou a uma amostra, é possível
atribuir cada item a uma classe (p. ex., o campo de estudo é a administração) e
então contar o número em cada categoria (p. ex., há 15 graduados em
engenharia).
Os dados nominais surgem quando se definem categorias e se conta o número
de observações pertencentes a cada categoria.
12
Outro tipo de variável qualitativa é a que se refere tipicamente a avaliações
subjetivas, quando se dispõem os itens segundo a preferência ou desempenho.
Por exemplo, nos concursos de culinária, de beleza, de flores e de cães, os
elementos se classificam como primeiro, segundo, terceiro, etc. Da mesma forma,
às situações de um time atribuem-se números inteiros 1, 2, 3,... Alternativamente,
podem-se usar os sinais + ou – para designar melhora ou piora (p. ex.,
desempenho na escrita após a freqüência a um curso de escrita criativa). Mas é
possível cogitar da variável básica em cada um desses exemplos como sendo
uma variável contínua e, ainda assim, atribuir-lhe artificialmente ou inteiros 1, 2,
3,... (isto é, postos), seja por conveniência, seja por falta de método mais
científico.
Os dados por postos consistem de valores relativos atribuídos para denotar
ordem: primeiro, segundo, terceiro, quarto, etc.
É interessante notar que algumas populações podem originar os quatro tipos de
dados. Por exemplo, um carregamento de carne pode ser classificado numa das
duas categorias (dicotômicas): aceitável ou não aceitável. Ou então a carne pode
ser classificada em diversas categorias de dados discretos. Se, entretanto, o
problema é a quantidade de gordura por quilo, ou coisa semelhante, então os
dados são contínuos. Outro exemplo de como os dados podem assumir diferentes
características acha-se ilustrado (tabela 1). Analogamente, as notas de
aproveitamento podem ser classificadas como medidas, categorias, ou postos, o
mesmo ocorrendo com velocidade, valor estimado, ou o que quer que estejamos
estudando.
Tabela 1 - A Mesma População pode Originar Diferentes Tipos de Dados.
Tipos de Dados
Populações Contínuo Discreto Nominal Por Posto Alunos do 2º Grau Idade, pesos Nº na classe Menino/ menina 2º grau
Automóveis Km/h Nº de defeitos p/ carro Cores Limpeza
Venda de Imóveis Valor $ Nº de ofertas Acima do preço Muito dispendioso
13
2.2. Medidas de Tendência Central
As medidas de tendência central são usadas para indicar um valor que tende a
tipificar, ou a representar melhor, um conjunto de números. As três medidas mais
usadas são a média, a mediana e a moda.
As medidas de tendência central são valores que resumem o comportamento
central dos dados e podem representar um conjunto de dados. São assim
denominadas, pois representam os fenômenos pelos seus valores médios, em
torno dos quais tendem a concentrar os dados.
As medidas de tendência central caracterizam os grupos como um todo,
descrevendo-os de forma mais compacta do que as tabelas e gráficos. Focalizam
a atenção na natureza dos dados medidos, implicando em perda de informação.
Segundo Fonseca (1985), essas medidas orientam-nos quanto à posição da
distribuição no eixo x (eixo dos números reais) e possibilitam que comparemos
séries de dados entre si pelo confronto desses números.
Podem apresentar-se de várias formas, dependendo daquilo que se pretende
conhecer a respeito dos dados estatísticos. A moda, a média aritmética e a
mediana são as mais utilizadas para resumir o conjunto de valores
representativos que se deseja estudar. Essas determinam um único número
representativo de uma série, e raramente coincidem.
2.2.1. A Média
A média aritmética é a idéia que ocorre à maioria das pessoas quando se fala em
“média”. E como ela possui certas propriedades matemáticas convenientes, é a
mais importante das três medidas que estudaremos. Calcula-se a média
aritmética determinando-se a soma dos valores do conjunto e dividindo-se esta
soma pelo número de valores do conjunto. Assim, a média dos valores 70, 80 e
120 é:
14
903
2703
1208070==
++
A média de uma amostra é representada pelo símbolo x (leia-se “x barra”), e seu
cálculo pode expressar-se em notação sigma como segue.
n
xx
n
ii∑
== 1
ou mais simplesmente como:
nx
x ∑=
Tem-se uma representação física da média imaginando uma viga com pesos
iguais colocados nos pontos correspondentes aos valores de um conjunto. A
média dos números 2, 4, e 6 pode ser ilustrada conforme (figura 1) abaixo:
2 4 6
- 2 + 2
2 4 6
- 2 + 2
Figura 1 - A média é o ponto de equilíbrio para a viga; as diferenças positivas e negativas se cancelam.
2.2.2. A Média Ponderada
A fórmula anterior para calcular a média aritmética supõe que cada observação
tenha a mesma importância. Conquanto este caso seja o mais geral, há
exceções. Consideremos, por exemplo, a situação em que um professor informe à
classe que haverá dois exames de uma hora, valendo cada um 30% do total de
pontos do curso, e um exame final valendo 40%. O cálculo da média deve levar
em conta os pesos desiguais dos exames. A fórmula para o cálculo é:
15
Média ponderada =
∑
∑
=
=n
ii
n
iii
w
xw
1
1
2.2.3. A Mediana
Uma segunda medida do meio de um conjunto de números é a mediana. Sua
característica principal é dividir um conjunto ordenado de dados em dois grupos
iguais; a metade terá valores inferiores à mediana, a outra metade terá valores
superiores à mediana. Para calcular a mediana, é necessário primeiro ordenar os
valores (comumente) do mais baixo ao mais alto. Em seguida, conta-se até a
metade dos valores para achar a mediana.
Por exemplo, a mediana do conjunto 5, 6, 8 é 6; 6 está no meio. Em geral, a
mediana ocupa a posição (n + 1) / 2. Logo, para três números, a posição é (3+1)/
2 = 2, ou seja, a segunda posição. Consideremos outro exemplo: Determinar a
mediana dos valores 7, 8, 9, 10. De acordo com nossa fórmula, a posição da
mediana é (4+1)/ 2 = 2,5, que está a meio caminho dos dois valores médios, ou
seja, 8,5, neste caso. Este valor deixa dois valores acima e dois abaixo.
O processo para determinar a mediana é o seguinte:
a) Ordenar os valores;
b) Verificar se há um número ímpar ou par de valores;
c) Para um número ímpar de valores, a mediana é o valor do meio. Para um
número par de valores, a mediana é a média dos dois valores do meio.
A mediana de um conjunto de números é maior que uma metade dos valores e
menor que a outra metade.
16
2.2.4. Comparação entre Média e Mediana
A escolha da média, ou da mediana, como medida de tendência central de um
conjunto, depende de diversos fatores. A média é sensível (ou influenciada por)
cada valor do conjunto, inclusive os extremos. Por outro lado, a mediana é
relativamente insensível aos valores extremos.
Mediana MédiaMediana Média
Figura 2 - A média é afetada pelos valores extremos.
Consideremos o conjunto de dados exibidos (figura 2). Notem como a média é
influenciada por um valor extremo, enquanto que a mediana não é. Assim, os
dados sobre renda pessoal, ou valor de casas de residência, têm na mediana
uma medida descritiva mais adequada; isso porque bastam alguns valores muito
grandes pra inflacionar a média aritmética.
De modo geral, a média possui certas propriedades matemáticas que a tornam
atraente. Além disso, a ordenação dos dados para determinar a mediana pode ser
enfadonha, e o cálculo da mediana não pode ser feito com máquina de calcular,
ao contrário do que ocorre com a média.
2.2.5. Moda
A moda é o valor que ocorre com maior freqüência num conjunto. Por exemplo,
dados os números 10, 10, 8, 6, 10, há três 10’s e um de cada um dos outros
números. O valor mais freqüente – a moda – é 10. A moda funciona como medida
descritiva quando se trata de contar dados, e será estudada em maior detalhe
mais adiante neste capítulo.
17
Comparada com a moda e com a mediana, a moda é a menos útil das medidas
para problemas estatísticos, porque não se presta à análise matemática, ao
contrário do que ocorre com as outras duas medidas (ver a Tabela 2). Todavia, de
um ponto de vista puramente descritivo, a moda indica o valor “típico” em termos
de maior ocorrência. A utilidade da moda se acentua quando um ou dois valores,
ou um grupo de valores, ocorrem com muito maior freqüência que outros.
Inversamente, quando todos ou quase todos os valores ocorrem
aproximadamente com a mesma freqüência, a moda nada acrescenta em termos
de descrição dos dados.
A moda é o valor que ocorre com maior freqüência.
Tabela 2 - Comparação entre Média, Mediana e Moda.
2.3. Medidas de Dispersão
São necessários dois tipos de medidas para descrever adequadamente um
conjunto de dados. Além da informação quanto ao “meio” de um conjunto de
números, é conveniente dispor também de um método que nos permita exprimir a
dispersão. As medidas de dispersão indicam se os valores estão relativamente
próximos uns dos outros, ou separados. Esta situação é ilustrada
esquematicamente (figura 3(a) e 3(b)). As observações (figura 3(a)) apresentam
valores relativamente próximos uns dos outros, em comparação com (figura 3(b)).
Definição Vantagens Limitações
Média nx
x i∑= 1. Reflete cada valor. 2. Possui propriedades
matemáticas atraentes.
1. É influenciada por valores extremos.
Mediana Metade dos valores são maiores, metade menores.
1. Menos sensíveis a valores extremos do que a média.
1. Difícil de determinar para grande quantidade de dados.
Moda Valor mais freqüente.
1. Valor “típico”: maior quantidade de valores concentrados neste ponto.
1. Não se presta a análise matemática
2. Pode não ser moda para certos conjuntos de dados.
18
(a) Pequena dispersão
(b) Grande dispersão
(a) Pequena dispersão
(b) Grande dispersão
(a) Pequena dispersão
(b) Grande dispersão
Figura 3 - A dispersão mede quão próximos uns dos outros estão os valores de um grupo.
2.3.1. Desvio Padrão
O desvio padrão representa a medida de dispersão mais utilizada nos estudos
gerias de Estatística. Para determinar o desvio padrão calcula-se a variância e
toma-se a raiz quadrada positiva do resultado. As fórmulas para o desvio padrão
são:
1]/)[(
1)( 222
−
−=
−
−= ∑∑∑
nnxx
nxx
s iii
A substituição de (n-1) por n produz as fórmulas do desvio padrão da população.
O desvio padrão é uma das medidas mais comumente usadas pra distribuições, e
desempenha papel relevante em toda a estatística. Cabe notar que a unidade do
desvio padrão é a mesma da média. Por exemplo, se a média é em reais, o
desvio padrão também se exprime em reais.
O desvio padrão de um conjunto de números é a raiz quadrada positiva da
variância.
2.4. Análise de Grandes Conjuntos de Dados
Os homens requerem um grau suficientemente alto de estrutura ou organização
para bem se conduzirem na vida. Considere o leitor o caso de uma biblioteca,
onde os livros são catalogados por título, por autor, e por assunto
alfabeticamente, e imagine quanto lhe custaria localizar determinado livro, se eles
19
fossem colocados nas estantes totalmente a esmo, onde quer que haja lugar, sem
qualquer preocupação de ordenação, catalogação ou classificação. Ou também a
confusão que resultaria se não houvesse leis nem sinais de tráfego, e se a única
regra fosse “cada qual por si”. As listas telefônicas são organizadas
alfabeticamente por cidade; os programas de cursos indicam quando e onde
serão as aulas; existem horários de viagem de ônibus, trem e avião, bem como
códigos postais – tudo isso vem em nosso auxílio por organizar informação.
Os métodos principais para organizar dados estatísticos compreendem o arranjo
ou a disposição dos itens em subconjuntos que apresentem características
similares (p. ex., a mesma idade, mesma finalidade, mesma escola, mesma
cidade, etc.). Os dados grupados podem ser resumidos graficamente ou em
tabelas, bem como mediante o uso de medidas numéricas tais como média,
intervalo, desvio padrão, etc. A designação para os dados dispostos em grupos
ou categorias é distribuição de freqüência.
2.5. Distribuições de Freqüência
Consideremos os dados da tabela seguinte, que representam a produção diária,
por equipamentos. Embora tenhamos utilizado dados pequenos para simplificar a
discussão, ainda assim é difícil obter uma visão global da produção diária com
base nos dados tais como são apresentados. A construção de uma distribuição de
freqüência facilitará as coisas.
Tabela 3
Produção Diária por Equipamentos
11,1 12,5 32,4 7,8 21,0 16,4 11,2 22,3
4,4 6,1 27,5 32,8 18,5 16,4 15,1 6,0
10,7 15,8 25,0 18,2 12,2 12,6 4,7 23,5
14,8 22,6 16,0 19,1 7,4 9,2 10,0 26,2
3,5 16,2 14,5 3,2 8,1 12,9 19,1 13,7
20
Uma distribuição de freqüência é um método de grupamento de dados em classe,
ou intervalos, de tal forma que se possa determinar o número, ou a percentagem
(isto é, a freqüência) de cada classe. Isso proporciona uma forma de visualizar um
conjunto de números sem precisar levar em conta os números individuais, e pode
ter grande utilidade quando precisamos lidar com grande quantidade de dados. O
número ou percentagem numa classe chama-se freqüência de classe.
Uma distribuição de freqüência é um grupamento de dados em classe. Uma
distribuição de freqüência pode ser apresentada sob a forma gráfica ou tabular.
O processo de construção de uma distribuição de freqüência para determinado
conjunto de dados depende do tipo de dados em estudo (isto é, contínuos,
discretos, nominais ou por postos). Presumivelmente, a produção diária por
equipamento é avaliada em escala contínua; consideremos, pois, este caso em
primeiro lugar.
2.5.1. Construção de uma Distribuição de Freqüência para Dados Contínuos
Estabelecer as classes Os principais estágios na construção de uma distribuição
de freqüência para dados amostrais são:
a) Estabelecer as classes ou intervalos de grupamentos dos dados;
b) Enquadrar os dados nas classes ou intervalos de grupamentos dos dados;
c) Contar o número em cada classe;
d) Apresentar os resultados numa tabela ou num gráfico.
São as seguintes etapas para a construção de uma distribuição de freqüência
para dados contínuos:
a) Determinar o intervalo dos dados;
b) Determinar o número k de classes, servaçõesnúmerodeobk ≈ . (Em geral,
tomar 5 a 15 classes);
21
c) Calcular a amplitude de classe, ou seja, (intervalo)/ k, fazendo o
arredondamento conveniente. (Certificar-se de que k vezes a amplitude é
maior do que o intervalo, pois de outra forma, os valores extremos não
serão incluídos);
d) Estabelecer limites de classe preliminares. Rever os limites, que devem
tocar-se, mas não interceptar-se;
e) Relacionar os intervalos e fazer a contagem dos pontos por classe. (A
contagem total deve ser = n);
f) Construir uma tabela de freqüência, ou um histograma de freqüência.
Uma alternativa ao histograma, útil por vezes, é o polígono de freqüência
construído mediante a conexão dos pontos médios dos intervalos do histograma
com linhas retas.
2.5.2. Construção de uma Distribuição de Freqüências para Dados Discretos
Na construção de uma distribuição de freqüência utilizando dados contínuos,
perde-se certa quantidade de informação porque os valores individuais perdem
sua identidade quando são grupados em classes.
0,30
0,20
0,10
0,00
3 8 13 18 23 28 33
0,30
0,20
0,10
0,00
3 8 13 18 23 28 33
Figura 4 – Gráfico de Distribuição de Freqüência relativa para produção diária de equipamentos.
22
Isto pode ou não ocorrer com dados discretos, dependendo da natureza dos
dados e dos objetivos do analista. Consideremos os seguintes dados relativos ao
número de acidentes diários num grande equipamento durante um período de 50
dias.
Tabela 4 - Números de acidentes diários.
6 9 2 7 0 8 2 5 4 25 4 4 4 4 2 5 6 3 73 8 8 4 4 4 7 7 6 54 7 5 3 7 1 3 8 0 65 1 2 3 6 0 5 6 6 3
Note-se que os dados consistem de números inteiros de 0 a 9.
Podemos construir uma distribuição de freqüência, sem perda dos valores
originais, utilizando como classes os inteiros de 0 a 9.
Tabela 5 - Distribuição de freqüência.
Classe Freqüência absoluta
Freqüência relativa
0 3 0,06
1 2 0,04
2 5 0,10
3 6 0,12
4 9 0,18
5 7 0,14
6 7 0,14
7 6 0,12
8 4 0,08
9 1 0,02
50 1,00
Dizemos que não há perda de informação porque é evidente, pela tabela, que os
dados originais contêm três 0’s, dois 1’s, etc. Em outras palavras, poderíamos
reconstituir os dados originais a partir desta tabela. Por outro lado, poderíamos
usar como classes 0 - 1, 2 - 3, 4 - 5, 6 - 7,8 - 9.
O resultado é uma distribuição não muito diferente da distribuição de dados
contínuos.
Tabela 6 - Distribuição de freqüência.
23
Classe Freqüência absoluta
Freqüência relativa
0-1 5 0,10
2-3 11 0,22
4-5 16 0,32
6-7 13 0,26
8-9 5 0,10
50 1,00
Os gráficos (figura 5) comparam essas duas distribuições de freqüência. Sem
perda de informação, as freqüências (absolutas ou relativas) se apresentam como
barras, enquanto que a distribuição com perda de informação é um histograma.
De modo geral, prefere-se uma distribuição de freqüência sem perda de
informação quando:
a) Os dados são constituídos de valores internos;
b) Há menos de digamos, 16 dados;
c) Há suficientes observações para originar distribuição significativa.
0
5
10
15
20
(a) Sem perda de informação
Núm
ero
de A
cide
ntes
1 2 3 4 5 6 7 8 9 0 - 1 2 - 3 4 - 5 6 - 7 8 - 9
5
10
15
20
(b) Com perda de informação
Núm
ero
de A
cide
ntes
0
5
10
15
20
(a) Sem perda de informação
Núm
ero
de A
cide
ntes
1 2 3 4 5 6 7 8 90
5
10
15
20
(a) Sem perda de informação
Núm
ero
de A
cide
ntes
1 2 3 4 5 6 7 8 9 0 - 1 2 - 3 4 - 5 6 - 7 8 - 9
5
10
15
20
(b) Com perda de informação
Núm
ero
de A
cide
ntes
0 - 1 2 - 3 4 - 5 6 - 7 8 - 9
5
10
15
20
(b) Com perda de informação
Núm
ero
de A
cide
ntes
Figura 5 - Comparação de duas distribuições de freqüência, com e sem perda de informação.
Por outro lado, uma distribuição de freqüência em que o grupamento ocasiona
perda de informação é útil quando:
a) Estão em jogo inteiros e não-inteiros (ou não-inteiros somente);
24
b) Só existem inteiros, porém em número demasiadamente elevado para
permitir uma distribuição útil;
c) A perda de informação é de importância secundária (por exemplo, o
arredondamento do peso de um caminhão para o quilo mais próximo, ou
da renda anual para o cruzeiro mais próximo).
2.5.3. Construção de uma Distribuição de Freqüência Acumulada
Uma distribuição de freqüência acumulada tem por objetivo indicar o número ou
percentagem de itens menores do que, ou iguais a, determinado valor. No caso
dos acidentes, podemos construir distribuições acumuladas para a distribuição
sem perda de informação e para a distribuição com perda de informação. As
distribuições prévias podem ser facilmente transformadas em distribuições
acumuladas somando-se sucessivamente os dados das classes de freqüência (os
dados nas tabelas que sequem são das discussões anteriores).
Sem Perda de Informação:
Tabela 7 - Distribuição de freqüência sem perda de informação.
Classe Freqüência relativa
Freqüência acumulada
0 0,06 0,06 1 0,04 0,04 + 0,06 = 0,10 2 0,10 0,10 + 0,10 = 0,20 3 0,12 0,12 + 0,20 = 0,32 4 0,18 0,18 + 0,32 = 0,50 5 0,14 0,14 + 0,50 = 0,64 6 0,14 0,14 + 0,64 = 0,78 7 0,12 0,12 + 0,78 = 0,90 8 0,08 0,08 + 0,90 = 0,98 9 0,02 0,02 + 0,98 = 1,00 1,00
Com Perda de Informação:
25
Tabela 8 - Distribuição de freqüência com perda de informação.
Classe Freqüência relativa
Freqüência acumulada
0-1 0,10 0,10
2-3 0,22 0,22 + 0,10 = 0,32
4-5 0,32 0,32 + 0,32 = 0,64
6-7 0,26 0,26 + 0,64 = 0,90
8-9 0,10 0,10 + 0,90 = 1,00
1,00
Podemos assim ver, na primeira tabela, que 78% dos dados correspondem a 6 ou
menos, e que 98% correspondem a 8 ou menos. Analogamente, com perda de
informações, podemos ver que 64% dos valores não excedem a 5, e 90% não
excedem a 7.
Veja os gráficos (figura 6) para ambas as distribuições acumuladas.
0,00
0,20
0,40
0,60
0,80
1,00
(b) Com perda de informação
Freq
üênc
ia re
lativ
a
0-1 2-3 4-5 6-7 8-90
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9
Freq
üênc
ia re
lativ
a
(a) Sem perda de informação
0,00
0,20
0,40
0,60
0,80
1,00
(b) Com perda de informação
Freq
üênc
ia re
lativ
a
0-1 2-3 4-5 6-7 8-90,00
0,20
0,40
0,60
0,80
1,00
(b) Com perda de informação
Freq
üênc
ia re
lativ
a
0-1 2-3 4-5 6-7 8-90
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9
Freq
üênc
ia re
lativ
a
(a) Sem perda de informação
0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9
0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7 8 9
Freq
üênc
ia re
lativ
a
(a) Sem perda de informação Figura 6 - Distribuições de freqüência acumulada para os casos com perda de informação e sem perda de informação.
26
2.5.4. Distribuições de Freqüência para Dados Nominais e por Postos
Talvez as distribuições de freqüência de construção mais simples sejam as
relativas a dados nominais ou por postos. Tal simplicidade decorre do fato de que
as classes são mais facilmente reconhecíveis, tomando mínimos os cálculos. Por
exemplo, consideremos os dados nominais (Tabela 9) sobre venda de
rolamentos, dispostos numa tabela de freqüência.
As categorias são os diversos tipos de rolamento. Note-se a última categoria:
Outros. Pode haver diversos tipos com vendas bastante baixas, que foram
englobados numa única categoria para tornar os dados mais abrangentes. Como
antes, podemos querer apresentar essas informações sob forma de gráfico. Aqui
é mais adequado o emprego de barras, em lugar de um histograma, o que
significa que as categorias não se tocam, ou são nominais (figura 7). O gráfico
pode ser apresentado horizontal ou verticalmente, como, de resto, ocorre com
qualquer gráfico de distribuição de freqüência.
Tabela 9 - Vendas de Rolamentos em um dia.
Tipo Vendas Absolutas Vendas Relativas
esfera 600 60%
rolos 200 20%
cônicos 100 10%
agulha 50 5%
bi-partido 40 4%
outros 10 1%
1000 100%
27
0
10
20
30
40
50
60
esfera rolos cônicos agulha bi-partido outros
Vend
as R
elat
ivas
(per
cent
uais
)
Figura 7 - Usa-se um gráfico de barras para representar dados nominais.
A apresentação de dados por postos é muito semelhante. Consideremos os
dados relativos ao aproveitamento num curso, apresentados abaixo de forma
ligeiramente diferente das tabelas de freqüência anteriores, apenas para ilustrar
outra maneira de preparar uma tabela de freqüência.
Tabela 10
Classificação
Fraca Razoável Média Boa Excelente Total Número 2 4 20 10 4 40 Percentagem 5% 10% 50% 25% 10% 100%
Os dados por postos podem ser representados graficamente por meio de barras,
(figura 7).
2.6. Estudo de Caso
96 tirantes de 17731 mm de comprimento (valor de projeto) constituem o sistema
de amarração das paredes de tijolos das baterias de coque da Coqueria. Esse
valor teórico pode variar até 90 mm pela dilatação térmica e deformação normal,
previstos em projeto. Um levantamento topográfico na bateria #1 dos
comprimentos foi realizado com o objetivo de identificar a quantidade de tirantes a
serem trocados. Abaixo o resultado:
Tabela 11 - Tirantes a serem trocados.
28
17784 17819 17832 17857 17788 17819 17832 17857 17793 17819 17832 17877 17795 17820 17833 17878 17796 17820 17834 17884 17796 17820 17837 17912 17802 17821 17838 17802 17821 17838 17803 17821 17839 17803 17821 17839 17805 17822 17840 17805 17822 17842 17806 17823 17842 17809 17823 17842 17810 17823 17843 17810 17824 17843 17811 17824 17843 17812 17824 17843 17813 17824 17844 17816 17824 17844 17816 17824 17844 17816 17826 17845 17817 17827 17850 17817 17827 17852 17817 17829 17853 17818 17830 17853 17818 17830 17853 17818 17831 17855 17819 17831 17856 17819 17831 17856
Uma distribuição de freqüência do comprimento dos tirantes possibilitará uma
visualização melhor dos valores acima do permissível, identificando assim a
quantidade de tirantes a serem trocados.
29
30
31
3. PROBABILIDADE
As origens da matemática da probabilidade remontam ao século XVI. As
aplicações iniciais referiam-se quase todos os jogos de azar. Os jogadores ricos
aplicavam o conhecimento da teoria das probabilidades para planejar estratégias
de apostas. Mesmo hoje ainda há muitas aplicações que envolvem jogos de azar,
tais como os diversos tipos de loteria, os cassinos de jogos, as corridas de
cavalos e os esportes organizados. Todavia, a utilização das probabilidades
ultrapassou de muito o âmbito desses jogos. Hoje os governos, as empresas, as
organizações profissionais incorporam a teoria das probabilidades em seus
processos diários de deliberações.
Independente de qual seja a aplicação em particular, a utilização das
probabilidades indica que existe um elemento de acaso, ou de incerteza, quanto à
ocorrência ou não de um evento futuro. Assim é que, em muitos casos, pode ser
virtualmente impossível afirmar por antecipação o que ocorrerá; mas é possível
dizer o que pode ocorrer. Por exemplo, se jogamos uma moeda para o ar, de
modo geral não podemos afirmar se vai dar cara, ou coroa.Além disso, mediante
determinada combinação de julgamento, experiência e dados históricos, em geral
é possível dizer quão provável é a ocorrência de determinado evento futuro.
Há numerosos exemplos de tais situações no campo dos negócios e do governo.
A previsão da procura de um produto novo, o cálculo dos custos de produção, a
previsão de malogro de safras, a compra de apólices de seguro, a contratação de
um novo empregado, o preparo de um orçamento, a avaliação do impacto de uma
redução de impostos sobre a inflação - tudo isso contém algum elemento de
acaso.
As probabilidades são úteis porque auxiliam a desenvolver estratégicas. Assim é
que alguns motoristas parecem demonstrar uma tendência para correr a grande
velocidade se acham que há pouco risco de ser apanhados; os investidores
sentem-se mais inclinados a aplicar seu dinheiro se as chances de lucro são
boas; e o leitor certamente carregará capa ou guarda-chuva se houver grande
probabilidade de chover. Analogamente, uma empresa pode sentir-se inclinada a
32
investir em novo equipamento se há boa chance de recuperar o dinheiro; ou a
contratar um novo funcionário que pareça promissor, etc.
O ponto central em todas essas situações é a probabilidade de quantificar quão
provável é determinado evento. Este capítulo apresenta definições e regras a
obtenção de probabilidade.
As probabilidades são utilizadas para exprimir a chance de ocorrência de
determinado evento.
3.1. A Probabilidade de um Evento
As probabilidades dizem respeito a algum evento. O “evento” pode ser chuva,
lucro, cara, rendimento de 6%, terminar o curso, notas, etc. A probabilidade de um
evento A, denotada por P(A) , é um número de 0 a 1 que indica a chance de
ocorrência do evento A. Quanto mais próxima de 1,00 é P(A), maior é a chance
de ocorrência do evento A, e quanto mais próxima de zero, menor é a chance de
ocorrência do evento A.
A um evento impossível atribui-se probabilidade de zero, enquanto que um evento
certo tem probabilidade 1,00. Quanto o meteorologista anuncia que “a
probabilidade de precipitação é quase zero”, o que ele realmente quer dizer é que
é altamente inviável que haja qualquer precipitação durante o período a que se
refere à previsão (pela experiência, os meteorologistas sabem que nada é
impossível, pelo menos no que se refere ao tempo, por isso evitam atribuir
probabilidade 0)”.
As probabilidades podem ser expressas de diversas maneiras, inclusive decimais,
frações e percentagem. Por exemplo, a chance de chuva pode ser expressa como
20%, 2 em 10, 0,20, ou 1/5. A probabilidade de ocorrência de um evento é dada
por um número que pode variar de 0 a 1,00.
33
3.2. Espaço Amostral e Eventos
Um dos conceitos matemáticos fundamentais utilizados no estudo das
probabilidades é o de conjunto. Um conjunto é uma coleção de objeto ou itens
que possuem característica(s) comum (ns). Por exemplo, os habitantes de Detroit,
as camionetas em Cincinnati, os rios da Geórgia, as farmácias de Wisconsin, uma
remessa de calculadoras e uma classe de estudantes – todos podem ser
encarados como conjuntos. É importante definir cuidadosamente o que constitui o
conjunto em que estamos interessados, a fim de podermos decidir se determinado
elemento é ou não membro do conjunto.
Conjunto é uma coleção bem definida de objetos ou itens.
Há duas maneiras de descrever os elementos de um conjunto. Uma consiste em
relacionar todos eles, ou um número suficiente deles, de modo a deixar claro
quais são os elementos do conjunto. Tal relação é incluída entre chaves. Uma
segunda maneira de indicar um conjunto é enunciar uma regra ou outra coisa
qualquer que defina a(s) característica(s) comum(ns) aos membros do conjunto.
Consideremos os seguintes exemplos:
Conjunto A = {Jones, Smith, Gungledorf}
Conjunto B = {todos os interiores positivos menores que 9}
Conjunto C = {vencedores do primeiro round}
Mas a probabilidade só tem sentido no sentido no contexto de um espaço
amostral, que é o conjunto de todos os resultados possíveis de um “experimento”. 1O termo “experimento” sugere a incerteza do resultado antes de fazermos as
observações. Os resultados de um experimento chamam-se eventos.
Um espaço amostral é o conjunto de todos os resultados possíveis de um
experimento.
Os resultados de um experimento chamam-se eventos.
1 Costuma-se usar indiferentemente, em estatística, os termos “experimento” e “amostra” para designar o processo da tomada de observações.
34
Os cálculos levam em conta a maneira como os vários eventos de interesse
podem relacionar-se entre si. Algumas dessas relações são descritas pelas
expressões “complemento”, “mutuamente excludente” e “coletivamente
exaustivo”.
O complemento de um evento consiste de todos os resultados no espaço
amostral que não façam parte do evento. Assim, o complemento do evento “a
carta é de copas” consiste de todas as cartas que não são de copas (isto é, paus,
ouros e espadas). O complemento do evento “a carta é um rei de ouros” consiste
de todas as outras 51 cartas. Costuma-se denotar o complemento de um evento
por uma linha. O complemento do evento A é A’.
Tabela 12 - Baralho padrão de 52 cartas.
Naipe Paus
(pretas) Ouros
(vermelhas) Copas
(vermelhas) Espadas (pretas)
♣ K ♦ K ♥ K ♠ K ♣ Q ♦ Q ♥ Q ♠ Q ♣ J ♦ J ♥ J ♠ J ♣ 10 ♦ 10 ♥ 10 ♠ 10 ♣ 9 ♦ 9 ♥ 9 ♠ 9 ♣ 8 ♦ 8 ♥ 8 ♠ 8 ♣ 7 ♦ 7 ♥ 7 ♠ 7 ♣ 6 ♦ 6 ♥ 6 ♠ 6 ♣ 5 ♦ 5 ♥ 5 ♠ 5 ♣ 4 ♦ 4 ♥ 4 ♠ 4 ♣ 3 ♦ 3 ♥ 3 ♠ 3 ♣ 2 ♦ 2 ♥ 2 ♠ 2 ♣ A ♦ A ♥ A ♠ A
Os eventos são mutuamente excludentes se não têm elemento em comum.
Assim, na extração de uma só carta, os eventos “a carta é de copas” e “a carta é
de ouros” são mutuamente excludentes, por que uma carta não pode ser ao
mesmo tempo de copas e de ouros. Já os eventos “a carta é de copas” e “a carta
é uma figura” não são mutuamente excludentes, porque algumas cartas de copas
são também figuras.
Os eventos dizem-se coletivamente exaustivos se ao menos um tiver que ocorrer
durante um dado experimento. Assim, na extração de uma carta, os eventos “a
carta é de paus”, “a carta é de ouros”, “a carta é de espadas” e “a carta é de
copas” são coletivamente exaustivos; esgotam todas as possibilidades. Da
35
mesma forma, os eventos “a carta é preta” e “a carta é vermelha” são
coletivamente exaustivo.
Finalmente, convém às vezes notar que um evento e seu complemento são
mutuamente excludentes e coletivamente exaustivos.
O complemento de um evento consiste de todos os outros resultados no espaço
amostral.
Os eventos são mutuamente excludentes se não tem elemento comum, ou se não
podem ocorrer simultaneamente.
Os eventos são coletivamente exaustivos se nenhum outro resultado é possível
para o experimento em causa.
Eis alguns outros exemplos. Esses eventos devem ser considerados
complementares:
a) Cara ou coroa na jogada de uma moeda;
b) Feridos e não-feridos num acidente;
c) Apanhou ou não a bola;
d) Atendeu ou não ao telefone.
Os eventos que seguem devem ser considerados mutuamente excludentes:
a) Uma pessoa tem um irmão, tem dois irmãos, tem três irmãos;
b) As faces de um dado;
c) Stan obtém conceito A em matemática, obtém conceito B em matemática,
obtém conceito C em matemática.
Os eventos que seguem devem ser considerados coletivamente exaustivos:
a) Qualquer um dos complementos relacionados acima;
b) As faces de um dado;
c) As notas de Stan em matemática (acima).
36
Ora, como um espaço amostral consiste de todos os resultados possíveis de um
experimento, segue-se que ao menos um dos resultados deve ocorrer. Em outras
palavras, a probabilidade do espaço amostral é 100%, ou 1,00. Além disso,
porque qualquer evento e seu complemento esgotam todas as possibilidades do
espaço amostral, seguem-se também que P(A) + P (A’)= 1,00. Por exemplo,
quando se joga uma moeda para o ar (supondo-se que ela não caia de pé), pode-
se afirmar que a probabilidade de dar “cara” ou “coroa” é 1,00. E se é certo que
P(cara) = 0,40, então decore automaticamente que P(coroa) = 0,60 (isto é, 1,00 –
0,40).
A esta altura, podemos então afirmar:
a) A probabilidade de qualquer evento A é representada por um número entre
0 e 1,00:
0,00 < P(A) < 1,00
b) A probabilidade representada pelo espaço amostral é de 100%:
P(qualquer evento do espaço amostral) = 1,00
c) A probabilidade de não-ocorrência de um evento é 1,00 menos a
probabilidade de sua ocorrência:
1,00 – P(A’) ou P(A) + P(A’) = 1,00
3.3. Três Origens da Probabilidade
Antes de estudarmos como se usam as probabilidades, é conveniente ter alguma
idéia de sua origem. Há três maneiras diferentes de calcular ou estimar
probabilidades. O método clássico, quando o espaço amostral tem recursos
igualmente prováveis. O método empírico, que se baseia na freqüência relativa de
ocorrência de um evento num grande número de provas repetidas; e o método
subjetivo, que utiliza estimativas pessoais de probabilidade baseadas num certo
grau de crença. Os dois primeiros métodos são considerados objetivos, e o
terceiro é subjetivo, como seu nome indica.
37
A escolha do método depende da natureza da situação. À medida que o leitor
prosseguir este estudo, verá que certas situações se prestam melhor a um do que
aos outros dois métodos.
3.3.1. O Método Clássico
O método clássico aplica-se a situações que têm resultados igualmente
prováveis. Os jogos de azar (lançamento de moeda, jogos de dados, extração de
cartas) usualmente apresentam esta característica de resultados igualmente
prováveis.
Quando os resultados são igualmente prováveis, a probabilidade de cada
resultado é simplesmente uma função do número de resultados possíveis:
P(cada resultado) = ssíveissultadosponúmerodere
1
Se cada carta de um baralho de 52 tem a mesma chance de ser escolhida, então
a probabilidade de extrair cada uma delas é de 1/52: P(A) = 1 carta/52 cartas. O
espaço amostral do lance de uma moeda tem dois resultados: cara e coroa. Logo,
se os dois resultados são igualmente prováveis (isto é, se a moeda é
“equilibrada”), a probabilidade de cara é:
P(Caras) = 21
E a probabilidade de coroa é:
Subjetivo
Opinião Pessoal
Objetivo
Clássico(resultados igualmente
prováveis) Empírico
(dados históricos)
Figura 8 - Métodos para calcular ou estimar probabilidades.
38
P(Coroas) = 21
Da mesma forma, podemos calcular a probabilidade de aparecer determinada
face num único lance de um dado “equilibrado”. Como há seis faces no espaço
amostral, a probabilidade de cada uma delas deve ser:
P(qualquer face) = 61
E se extraímos uma só bola de uma urna com 321 bolas, a probabilidades de
extrair qualquer delas é:
P(qualquer bola) = 3211
Se admitirmos que as bolas tenham sido bem misturadas antes da extração.
O método clássico pode também aplicar-se a eventos que envolvam dois ou mais
resultados.
Por exemplo, podemos querer determinar a probabilidade de extrair uma das
quatro damas de um baralho de 52 cartas, ou a de obter um número menor que 4
num lance de dado. Em tais situações e em outras análogas, é necessário
identificar primeiro o número de resultados “favoráveis”, e então dividir esse
número pelo total de casos possíveis no espaço amostral. Em outras palavras, a
probabilidade de um evento A é:
P(A) =
Por exemplo:
Em uma caixa há 24 parafusos de classe de resistência diferentes, conforme
tabela abaixo:
Tabela 13
Quantidade classe4 5.6 10 8.8 5 10.9 5 12.9
Número de resultados Número de resultados associados ao evento A
39
A probabilidade de extração de um parafuso classe 5.6 será:
P(parafuso classe 5.6) = 244
Analogamente, a probabilidade de extração de um parafuso classe 8.8, será:
P(parafuso classe 8.8) = 2410
Se um evento é impossível, sua probabilidade é 0.por exemplo, a probabilidade
de obter nove num lance de dado é 0, porque não existe face 9 num dado:
P(nove) = 060=
Por outro lado, se um evento é certo, deve ter probabilidade 1,00, ou 100%. A
probabilidade de obter qualquer das seis faces num lance de um dado é P(um,
dois, três, quatro, cinco ou seis) = 00,166= (desde que admitamos que o dado não
venha a cair sobre uma de suas arestas).
A interpretação da probabilidade clássica, tal como 0,25, é que se o experimento
for repetido um número muito grande de vezes, um evento que tenha
probabilidade 0,25 ocorrerá cerca de 25% das vezes.
3.3.2. O Método Subjetivo
As probabilidades determinadas sejam pelo método clássico ou pelo método
empírico dizem-se objetivas, porque decorrem de fatos. Há, todavia, numerosas
situações que não se prestam a um estudo objetivo – isto é, situações em que
nem os resultados possíveis são igualmente prováveis, nem dispomos de dados
históricos. Devem-se então fazer uma atribuição “subjetiva” de probabilidades.
Por exemplo, você se apaixonará na próxima semana? Que nota receberá em
seu próximo exame? Quando se instalará uma greve de operários? Uma pequena
árvore crescerá em linha reta até ficar bem alta? Um enfermo se recuperará
40
completamente? Em tais casos, deve-se decidir qual é a “probabilidade” do vento
sob as condições dadas.
É instrutivo imaginar grande número de situações idênticas e depois procurar
responder à pergunta: “Que porcentagem dessas situações produzirá o evento
em questão?” Isso pode ser feito, mesmo quando não seja prático realizar
efetivamente tal experimento. E, a não ser pelo fato de que os dados em geral
não podem ser coletados, o método subjetivo é bastante semelhante ao da
freqüência relativa. Definimos, então, probabilidade subjetiva como segue:
A probabilidade subjetiva é uma avaliação pessoal do grau de viabilidade de um
evento.
A probabilidade subjetiva é, então, o resultado de um esforço para quantificar
nossa crença a respeito de algo. Advogados, médicos e administradores utilizam
esse processo com razoável êxito, conquanto ele possa apresentar certas
desvantagens.
Entre estas, podemos mencionar:
a) As estimativas subjetivas são em geral difíceis de defender, quando
postas em dúvida;
b) A tendenciosidade pode ser um fator. Não só noções preconcebidas sobre
o que deveria ocorrer como também o desejo de que ocorra determinado
evento, podem distorcer a objetividade. E não raro é difícil eliminar essa
tendenciosidade, porque em geral ela é subconsciente. Não obstante, o
treinamento, a experiência e a atitude profissional podem auxiliar a eliminá-
la.
3.4. A Matemática da Probabilidade
Até aqui focalizamos as várias definições de probabilidade e sua utilização para
determinar a probabilidade de certos eventos. Conquanto importantes essas
41
idéias sejam não nos dão informação suficiente para mostrar como as
probabilidades podem ser aplicadas à tomada de decisões.
Muitas aplicações da estatística exigem a determinação da probabilidade de
combinações de eventos. Há duas categorias de combinações. Suponhamos
identificados dois eventos de interesse, A e B, no espaço amostral. Pode ser
necessário determinar P(A e B), isto é, a probabilidade de ocorrências de ambos
os eventos. Em outras situações, podemos querer a probabilidade de ocorrência
de A ou B, P(A ou B). Por exemplo, sejam os dois elevadores de um edifício.
Pelos dados históricos, podemos determinar a probabilidade de um elevador estar
em serviço. Pode-se então perguntar: ‘Qual a probabilidade de estarem ambos
em serviço? ”Isso implica P(A e B). Mas poderíamos também perguntar: “Qual a
probabilidade de um ou outro estar em serviço?” Isso implica P(A ou B).
É da máxima importância identificar qual dessas combinações se relaciona com o
problema.
A chave é:
“Ambos” implica P(A e B)
“Um ou outro” implica P(A ou B)
3.4.1. Cálculo de Probabilidade de Ocorrência de Dois Eventos: P(A e B)
A probabilidade da ocorrência de dois eventos é chamada probabilidade conjunta,
e seu cálculo diferem, conforme os eventos sejam ou não independentes.
Dois eventos consideram-se independentes entre si se a ocorrência de um não
influencia a ocorrência do outro. No lance de dois dados, o conhecimento do
resultado de um deles em nada nos ajuda a predizer o resultado do outro. Da
mesma forma, colocar um livro de matemática debaixo da cama e obter uma boa
nota num exame de matemática são dois eventos presumivelmente não-
correlacionados. O mesmo ocorre com o sexo (masculino ou feminino) e QI.
42
Por outro lado, se os eventos são dependentes, então o conhecimento da
ocorrência de um pode auxiliar a predizer a ocorrência do outro. Uma flor precisa
de água para crescer. Uma criança em geral chora quando se machuca. Um copo
em geral se quebra quando cai no chão O fato de sabermos que uma flor não foi
aguada pode ser dizer algo sobre a probabilidade de seu crescimento. Quando
vemos que uma criança se machuca, esperamos que ela chore. E mesmo antes
de o copo atingir o chão, sabemos que teremos que usar a vassoura.
Dois ou mais eventos dizem-se independentes se a ocorrência ou não-ocorrência
de um não influencia a ocorrência do(s) outro(s).
Se dois eventos independentes, então a probabilidade da ocorrência de ambos é
igual ao produto de suas probabilidades individuais, ou “marginais”:
P(A e B) = P(A)P(B)
3.4.2. Probabilidade de Ocorrência de ao Menos um de Dois Eventos: P(A ou B)
Aplica-se a regra da adição para determinar a probabilidade ocorrência de um ou
outro ou de ambos os eventos no caso de haver dois. O cálculo depende de os
eventos a serem ou não mutuamente excludentes.
Quando os eventos são mutuamente excludentes, a probabilidade de ocorrência
de qualquer deles (por definição, não podem ocorrer dois ou mais conjuntamente)
é a soma de suas probabilidades individuais. Para dois eventos A e B, temos:
P (A ou B) = P(A) + P(B)
De modo geral, podemos dizer que, se dois eventos A e B são mutuamente
excludentes, a probabilidade de ocorrência de A ou B é igual à soma das
probabilidades de ocorrência de A e de B: P(A ou B) = P(A) + P(B). Se os dois
eventos não são mutuamente excludentes, a probabilidade de ocorrência de A ou
B, ou ambos, é igual a soma das probabilidades de ocorrência de A e B, menos a
probabilidade de ocorrência de ambos: P(A) + P(B) – P(A) . P(B).
43
REGRAS DE PROBABILIDADE P(A ou B), para eventos excludentes:
P(A ou B ocorrerá) = P(A) + P(B) Para eventos não mutuamente excludentes:
P(A ou B ou ambos ocorrerão) = P(A) + P(B) – P(A e B) P(A e B), para eventos independentes:
P(A e B) = P(A)P(B) Para eventos dependentes:
P(A e B) = P(B)P(A|B) ou P(A)P(B|A)
3.5. Técnicas de Contagem
Para utilizar o método clássico (a priori) da probabilidade, é preciso conhecer o
número total de resultados possíveis de um experimento. Em geral, empregam-se
técnicas de contagem para calcular esse número. O leitor já se deparou com
várias técnicas de contagem. Assim é que, em muitas das ilustrações
precedentes foi conveniente listar os resultados. Isto nos permitiu examinar
visualmente os resultados, a fim de verificar se todos foram realmente levados em
conta.
Um refinamento desta técnica de listagem consiste no emprego das árvores de
decisão, que proporcionam uma base racional para elaborar uma lista de
resultados. Mas quando o número de resultados é grande, essa listagem se torna
muito trabalhosa; é necessário então recorrer a fórmulas matemáticas para
determinar o número total de resultados possíveis. Consideremos cada uma
dessas abordagens.
Suponhamos que um estudante esteja fazendo um teste de 20 questões do tipo
“verdadeiro ou falso”. Suponhamos ainda que ele, não tendo estudado nada,
esteja dando todas as respostas na base do “palpite”. Qual a probabilidade de ele
responder corretamente todo o teste? Para resolver esse problema é necessário
primeiro determinar o número total de resultados possíveis. Assim é que pode
44
resolver responder todas as questões com V, ou todas com F, ou alternar V e F,
ou misturar aleatoriamente V e F.
Em lugar de procurar resolver o problema diretamente, é mais instrutivo explorar
primeiro suas diversas versões. Imaginemos que o teste consista de apenas uma
questão. As possibilidades serão então V ou F. Se houver duas questões, já as
possibilidades serão VV, VF, FV, FF. No caso de três questões, teremos VVV,
VVF, VFF, VFV, FVF, FVV, FFV, FFF.
Vê-se logo que, à medida que aumenta o número de questões, o número de
resultados também aumenta, e muito mais rapidamente, como se vê abaixo:
Tabela 14
Número de questões 1 2 3 4 Número de resultados 2 4 8 16
De fato, a menos que o número de itens a considerar seja muito pequeno, o
número de resultados se tornará extremamente grande, e a listagem se tornará
praticamente impossível, mormente porque é fácil esquecer algumas das
possibilidades.
Os diagramas em árvore proporcionam um método sistemático de enumeração
dos resultados, bem como uma apresentação visual. Podem construir-se
facilmente, e são muito mais esclarecedores do que uma simples listagem (figura
9). Como o estudante tem duas escolhas possíveis para cada questão, V ou F, a
árvore terá dois ramos em cada questão.
45
Questão Nº 1 Nº 2 Nº 3 Resultados
V VVV
V
F VVF
V
V VFV
F
F VFF
V FVV
V
F F FVF
V FFV
F
F FFF
Totais 2 4 8
Questão Nº 1 Nº 2 Nº 3 Resultados
V VVV
V
F VVF
V
V VFV
F
F VFF
V FVV
V
F F FVF
V FFV
F
F FFF
Totais 2 4 8
Questão Nº 1 Nº 2 Nº 3 Resultados
V VVV
V
F VVF
V
V VFV
F
F VFF
V FVV
V
F F FVF
V FFV
F
F FFF
Totais 2 4 8 Figura 9 - A utilização de um diagrama em árvore para determinar todos os arranjos possíveis.
Expandindo o diagrama em árvore, é possível enumerar os resultados com
questões adicionais do tipo V ou F. Mas não seria prático fazer isso, porque o
número de possibilidades se torna extremamente grande. Além disso, o que é
realmente necessário é determinar o número total de resultados; nada se tem a
ganhar identificando cada resultado. Felizmente, há uma maneira simples
determinar o número total de resultados sem ter de contar efetivamente cada
resultado individual.
3.5.1. Permutações, Arranjos2 e Combinações
Quando a ordem em que os elementos se dispõem é importante, o número total
de resultados possíveis é conhecido como arranjo ou permutação. Por exemplo,
2 Arranjos e permutações são grupamentos do mesmo tipo, ou seja, distinguem-se não só pela natureza, como também pela ordem dos elementos. Uma permutação é um arranjo com a totalidade dos elementos.
46
no caso de respostas a um teste de múltipla escolha, a ordem tem significação
especial. Quando a ordem não interessa, o número total de resultados possíveis é
designado como combinação. Por exemplo, um comitê formado por duas
pessoas, Smith e Jones, é o mesmo comitê que consiste de Jones e Smith. Da
mesma forma, tanto na soma como no produto de dois números, é indiferente
qual seja o primeiro e qual o segundo:
10 + 5 = 5 + 10 10 x 5 = 5 x 10
Consideremos primeiro as permutações. Suponhamos que haja quatro times de
futebol num torneio. De quantas maneiras pode apresentar-se o resultado final?
Imaginemos quatro compartimentos a preencher: vencedor, segundo, terceiro e
último. Podemos preencher o compartimento do vencedor com qualquer dos
quatro times. Restam então três compartimentos e três times. O segundo
colocado pode ser qualquer dos três times. O terceiro lugar pode ser ganho por
qualquer de dois times e, finalmente, apenas um time será o final. O número total
de resultados será:
Tabela 15
4 x 3 x 2 x 1 = 24
(1º) (2º) (3º) (4º)
Se houvesse seis times, teríamos:
6 x 5 x 4 x 3 x 2 x 1 = 720 resultados possíveis
Quer escolhamos os times do primeiro ao último, ou do último ao primeiro, ou em
qualquer outra ordem, o resultado final será sempre, o mesmo. Por exemplo, se
escolhermos primeiro o último lugar, teremos 1 x 2 x 3 x 4 = 24.
Ao lidarmos com permutações, cada decisão envolve uma escolha menos que a
anterior. Uma forma abreviada de escrever o produto acima é com o emprego do
símbolo “!”. Por exemplo, 4 x 3 x 2 x 1 pode escrever-se como 4! O ponto de
exclamação significa “fatorial” e 4! Lê-se “quatro fatorial”. Eis algumas ilustrações:
5! = 5 x 4 x 3 x 2 x 1 = 120
12! = 12 x 11 x 10 x 9 x 8 x 7 x ... x 2 x 1 = 479.001.600
47
Os fatoriais crescem de modo extremamente rápido, à medida que aumenta o
número base. Felizmente, quase nunca é necessário utilizar completamente os
fatoriais, pois eles aparecem em grupo, permitindo cancelamentos. Por exemplo:
421
6x71
!5x6x7!5
1x2x3x4x5x6x71x2x3x4x5
!7!5
====
123x4!2
!2x3x41x2
1x2x3x4!2!4
====
156039x40!38
!38x39x40!38!40
===
102
4x5!3x1x2!3x4x5
!3!2!5
===
Às vezes os fatoriais podem envolver soma e subtração. Quando os números
aparecem dentro de parênteses, com o sinal de fatorial fora, é necessário efetuar
a adição ou subtração antes de calcular o fatorial.
2x36x7x8
!5!3!5x6x7x8
!5!3!8
)!38(!3!8
!4)!13(!7)!29(!2)!35(
===−
=+=−=−
Note-se que cancelamos 5! E não 3! O resultado seria o mesmo se tivéssemos
cancelado 3!, mas os cálculos se simplificam quando se cancelam os fatoriais
maiores. O fatorial de zero é igual a um: 0! = 1. Uma explicação intuitiva é a
seguinte: Se houver certo número de cadeiras vazias, quantos arranjos de
assentos são possíveis, se não há ninguém para se sentas? A resposta é um –
com todas as cadeiras vazias. (Se não está muito claro, imagine o leitor duas
pessoas e três assentos, uma pessoa e três assentos, e finalmente 0 pessoas.)
(e não 5! – 3!)
48
4. AMOSTRAGEM
A interferência estatística envolve a formulação de certos julgamentos sobre um
todo após examinar apenas uma parte, ou amostra, dele. Assim é que podemos
receber uma amostragem de um novo produto alimentício num supermercado; o
leitor certamente queimará a língua se tentar provar um pedaço de torta recém-
saída do forno; o cozinheiro prova a sopa para ver se precisa de um pouco mais
de sal.
Analogamente, quando passamos os olhos sobre um novo livro ou uma revista,
ou experimentamos uma roupa nova, ou vemos um programa de TV por uns
poucos minutos para decidir se mudamos ou não de canal - na realidade estamos
fazendo amostragem.
A amostragem estatística é semelhante a cada um dos exemplos acima, embora
seus métodos sejam mais formais e precisos e incluam tipicamente uma
afirmação probabilística. A probabilidade e a amostragem estão estreitamente
relacionadas e, juntas, formam o fundamento da teoria da inferência.
Neste capítulo examinaremos os conceitos básicos da amostragem.
Exploraremos as razões que justificam a amostragem, bem como diversos planos
para ela. Devotaremos especial atenção á amostragem aleatória simples em
razão de sua importância na análise estatística. Embora nenhum plano de
amostragem possa garantir que a amostragem seja exatamente semelhante à
população da qual foi extraída, uma amostra aleatória permite estimar o valor do
erro possível, isto é, dizer “quão próxima” está à amostra da população, em
termos de representatividade. As amostras não-aleatórias não apresentam esta
característica.
Amostras e Populações
Um censo envolve um exame de todos os elementos de um dado grupo, ao passo
que a amostragem envolve o estudo de apenas uma parte dos elementos. A
finalidade da amostragem é fazer generalizações sobre todo um grupo sem
precisar examinar cada um de seus elementos.
49
A parcela do grupo examinada é chamada amostra, e o grupo todo – do qual se
extrai a amostra – é designado como população ou universo. Os elementos que
compõem uma população podem ser indivíduos, firmas, produtos manufaturado,
inventários, escolas, notas de aula, preços, ou qualquer coisa que possa ser
mensurada, contada ou ordenada segundo postos.
Os termos “população” e “amostra” se referem a um conjunto específico de
circunstâncias. Ou seja, em determinado caso os alunos de uma sala de aula
podem ser considerados como uma população, da qual iremos extrair amostras
para análise. Já em outra situação, aqueles mesmos alunos podem ser
considerados como uma amostra de todos os alunos do colégio, ou de toda a
universidade. Como o propósito da amostragem é fazer generalizações sobre a
população básica, é axiomático que a população alvo seja estabelecida de modo
que se possam fazer generalizações válidas.
As populações limitadas em tamanho dizem-se finitas, enquanto que as não
limitadas em tamanho se chamam infinitas. Os alunos de uma sala de aula, os
produtos num supermercado, os livros de uma biblioteca, os automóveis da
Califórnia – tudo isso são exemplos de população finitas. As populações infinitas,
por outro lado, consistem tipicamente em um processo que gera itens, como a
jogada de uma moeda, onde o número de itens (caras e coroas) que podemos
obter é ilimitado.
Outros exemplos de processos de população infinita são a produção futura de
uma máquina, as extrações, com reposição, de bolas de uma urna, os
nascimentos de insetos (ou de qualquer outra espécie). Do ponto de vista prático,
a consideração importante é se a remoção de um item ou de um pequeno número
de itens terá qualquer influência discernível nas probabilidades relativas.
Amostragem de uma População Finita
A questão da reposição do item examinado na população, antes de se proceder à
observação seguinte, surge em relações às populações finitas, porque a
probabilidade de incluir numa amostra itens da população depende de estarmos
fazendo a amostragem com ou sem reposição.
50
Se o tamanho da amostra é pequeno em relação ao da população, a não-
reposição do item examinado terá efeito desprezível nas probabilidades dos itens
restantes, e a amostragem sem reposição não causará dificuldades sérias. Por
outro lado, amostras relativamente grandes tendem a distorcer as probabilidades
dos itens restantes no caso de amostragem sem reposição. Uma regra prática
geralmente aceita é fazer a reposição quando o tamanho da amostra excede 5%
do tamanho da população.
Embora possa não parecer óbvio, a extração de toda uma amostra de uma só vez
equivale à amostragem sem reposição. Na amostragem com reposição, é
possível extrair o mesmo item mais de uma vez, o que não é possível quando se
extrai toda a amostra de uma só vez.
Há várias razões que justificam, na prática, a amostragem sem reposição:
a) Como já dissemos, os efeitos são desprezíveis, e ela pode ser mais
conveniente;
b) Se o teste tem caráter destrutivo, é impossível repor os itens examinados;
c) Na amostragem industrial, pode ser difícil convencer os inspetores não
treinados em estatística a reporem na população os itens examinados,
especialmente os itens defeituosos;
d) Quando se repõe um item examinado na população, há chance de ele ser
novamente escolhido em extração futura. Assim, alguns itens são examinados
mais de uma vez. Se o processo de amostragem é dispendioso, é conveniente
evitar o exame repetido de um ou mais itens.
No caso de a amostragem ser necessária ou conveniente, quando o tamanho da
amostra é relativamente grande em relação ao tamanho da população, o cálculo
das probabilidades relevantes se faz pela distribuição hipergeométrica. Os
cálculos podem tornar-se bastante complexos, por isso aqui apenas
mencionamos o problema. Outros livros mais avançados estudam a distribuição
hipergeométrica.
51
Amostragem Versus Censo
Uma amostra usualmente envolve o estudo de uma parcela dos itens de uma
população, enquanto que um censo requer um exame de todos os itens. Embora
concentremos nossa atenção nas amostras, na estatística indutiva, é conveniente
e instrutivo considerar também alternativa do censo.
À primeira vista pode parecer que a inspeção completa ou total de todos os itens
de uma população seja mais conveniente do que a inspeção de apenas uma
amostra deles. Na prática, o contrário é que é quase sempre válido: amostragem
é preferível ao censo. Exploremos esta última afirmação em termos de situações
onde a amostragem é mais vantajosa.
a) A população pode ser infinita, e então o censo se tornaria impossível. Como
as populações infinitas são processos que nunca terminam, obviamente não
seria possível examinar todos os itens da população;
b) Uma amostra pode ser mais atualizada do que um censo. Caso se necessite
de uma informação rapidamente, um estudo de toda a população - mormente
no caso de itens muito numerosos ou muito dispersos - pode consumir
demasiado tempo e perder utilidade. Durante o tempo necessário para
examinar todo um carregamento de morango, o produto poderia começar a
deteriorar-se, a ponto de não ser comerciável. Além disso, se uma população
tende a modificar-se com o tempo, um censo poderá, na realidade, combinar
várias populações.
Numa grande comunidade, uma pesquisa das pessoas que tenham contraído
certa doença contagiosa pode levar tanto tempo que, ao término da pesquisa,
quando começarem a adotar as providências de caráter médico, o mal já se tenha
alastrado a ponto de exigir uma atuação diferente. Na realidade, os próprios
agentes pesquisadores podem ser veículos da programação da doença.
Assim, o estudo pode recomendar a aplicação de uma vacina disponível no local,
mas o mal pode se alastrado além de qualquer controle, exigindo então doses
maciças da vacina.
52
a) Testes destrutivos. Os testes podem apresentar caráter destrutivo, ou seja, os
itens examinados são destruídos no próprio ato do experimento. Itens com
lâmpadas, munição e dispositivos de segurança freqüentemente devem ser
destruídos como parte do processo de teste. Então o censo nos daria um
panorama preciso de uma população que não mais existe.
b) O custo de um censo pode ser proibitivo, mormente se o custo individual é
elevado e se existem muitos itens na população. O custo de um censo da
população dos EUA é enorme; o censo só realiza a cada dez anos. Como
outro exemplo, consideremos o caso do censo do peso de cada peixe num
dos Grandes Lagos, ou a contagem do número de peixes no lago. A
população é tão grande e móvel, e os problemas de mensuração (tais como o
cuidado de contar cada peixe uma só vez) são tão difíceis que excluem de
imediato a hipótese de um censo.
c) A precisão pode sofrer no caso de um censo de uma grande população. A
amostragem envolve menor número de observações e , conseqüentemente,
menor número de coletores de dados. Com grande número de agentes, há
menor coordenação e controle, aumentado a chance de erros. A amostragem
pode relevar maior uniformidade nos métodos de coleta de dados, e maior
comparabilidade entre os dados, do que um censo.
d) Finalmente, o tipo de informação pode depender da utilização de uma amostra
ou de um censo. Freqüentemente, as despesas com coleta de dados sofrem
restrições orçamentárias. Existe também a premência do tempo. Se nos
decidimos por um censo, os problemas de custo e de tempo podem conduzir a
uma limitação do censo a apenas uma ou a poucas características por item.
Uma amostra, com o mesmo custo e mesmo tempo, poderia proporcionar
resultados mais aprofundados sobre um menor número de itens. Nota-se que,
se todos os elementos de uma população fossem idênticos, bastaria uma
amostra de um elemento para nos dar todas as informações sobre a
população, e pouco ou nada lucraríamos com a alternativa do censo. Embora
se trate de uma situação extrema, há, na realidade, muitos casos em que
53
casos em que os itens de uma população são muito semelhantes. Em tais
casos, um censo completo acrescentaria muito pouco aos resultados de uma
amostragem, ainda que pequena.
Não obstante, há certas situações em que é mais vantajoso examinar todos os
itens de uma população (ou seja, fazer um censo). Entre essas situações, temos:
a) A população pode ser tão pequena que o custo e o tempo de um censo
sejam pouco maiores que para uma amostra. Tal seria o caso de uma sala
de aula com vinte alunos;
b) Se o tamanho da amostra é grande em relação ao da população, o esforço
adicional requerido por um censo pode ser pequeno. Por exemplo, se há
grande variabilidade entre os itens de uma população, uma amostra deverá
ser bastante grande para ser representativa.Se a população não é muito
maior do que a amostra, o censo eliminará a variabilidade amostral;
c) Se é exigida precisão completa, então o censo é o único método aceitável.
Em face da variabilidade amostral, nunca podemos ter certeza de quais
sejam os verdadeiros parâmetros da população. Um censo nos dará essa
informação, embora erros na coleta dos dados de outros tipos de
tendenciosidade possam afetar a precisão do resultado. Um banco não faria
amostragem de seus guichês para saber quanto dinheiro há em todos eles;
procederia a uma contagem (censo) geral. É claro que isto não evita erros
aritméticos na soma das quantias, mas evita problemas de decisão sobre se
determinado guichê é representativo de todos.
d) Ocasionalmente, já se dispõe de informações completa, de modo que não há
necessidade da amostra.
4.1. Amostragem Aleatória
Há vários métodos para extrair uma amostra. Talvez o mais importante – sobre o
qual concentramos nossa atenção – seja o da amostragem aleatória. De fato, a
maior parte dos testes estatísticos que estudaremos se baseia na amostragem
54
aleatória. Freqüentemente se designa por “amostragem aleatória simples”, para
distinguir de outros planos de amostragem que incorporam elementos de
amostragem aleatória.
De modo geral, a amostragem aleatória exige que cada “elemento” da
população tenha a mesma oportunidade de ser incluído na amostra. Isto pode
ser interpretado como segue:
Para populações discretas, uma amostragem aleatória é aquela em que cada
item da população tem a mesma chance de ser incluído na amostra.
Para populações contínuas, uma amostra aleatória é aquela em que a
probabilidade de incluir na amostra qualquer intervalo de valores é igual à
percentagem da população que está naquele intervalo.
Uma amostra aleatória de uma população discreta é, então, uma amostra em que
a probabilidade de extrair qualquer dos N itens numa única prova é igual a 1/N.
Isto implica também que grupos de itens tenham a mesma chance de serem
incluídos na amostra que outros grupos do mesmo tamanho. Por exemplo, a
probabilidade de incluir dois itens quaisquer deve ser a mesma para todos os
grupos possíveis de dois itens.
Uma extensão deste conceito é que a probabilidade de incluir um item que seja
membro de um subgrupo da população numa amostra aleatória é proporcional ao
tamanho do subgrupo. Grandes subgrupos têm maior probabilidade de ter um ou
mais itens na amostra.do que pequenos subgrupos, enquanto que subgrupos de
igual tamanho têm probabilidades iguais. Por isso é que a amostragem aleatória
tende a produzir amostras representativas.
Nota-se que, quando se extrai uma amostra aleatória, o que é aleatório é o
processo de escolha, e não os itens em si. Além disso, o processo não é do tipo
“acerta-ou-erra”; não devemos associar a aleatoriedade com azar, pois não
satisfaz necessariamente a condição de igual probabilidade.
55
4.1.1. Obtenção de uma Amostra Aleatória
Se a população alvo é infinita, tal como toda a produção futura de uma máquina
podemos considerá-la como um processo probabilístico. Simplesmente anotando
os itens na ordem em que ocorrem, podemos obter uma amostra representativa
do processo (isto é, uma amostra aleatória). Enquanto o processo se mantiver
estável durante o período em que fazemos nossas observações (de modo que a
probabilidade de cada resultado possível permaneça constante), podemos
considerar como aleatórios o processo e a amostra dele resultante. Esta é
precisamente a maneira como encararmos os sucessivos lances de moeda ou
dado.
Exemplos de processos geralmente considerados aleatórios são: a chegada de
carros a um posto de pedágio, as chamadas telefônicas numa grande mesa de
operação, a chegada de clientes aos caixas de um supermercado; tempo de
serviço em estações de pedágio; guichês; a produção de qualquer processo
mecânico.
Se a população alvo é finita, há essencialmente duas maneiras de escolher uma
amostra aleatória. Um método envolve a compilação de um a lista de todos os
elementos da população, aplicando-se então à listagem um método aleatório para
relacionar os itens que comporão a amostra. O segundo método é usado quando
os elementos da população não são claramente identificáveis, o que torna
impossível a listagem.
Por exemplo, no processamento de alimentos, ou na eliminação de resíduos, ou
no controle da poluição, em geral não há o conceito de itens que possam
constituir uma amostra. A alternativa seria então selecionar locações em lugar de
itens, como, por exemplo, “4 polegadas acima e 7 abaixo” . Consegue-se isto
encarando a população como se fosse composta de cubos, e selecionando cubos
para a amostra.
A alternativa seria o emprego de um processo de mistura, tal como a mistura de
bolas numa urna. É claro que há o perigo de a mistura não ser completa,
resultando numa amostra não-representativa. Assim, é da máxima importância
56
dar cuidadosa atenção à maneira como se escolhem os itens, bem como se eles
são igualmente prováveis.
A viabilidade de obter uma amostra verdadeiramente aleatória é muito maior
quando os itens podem ser listados. Alguns exemplos de elementos que podem
ser listados são os empregados de uma firma, as ações negociadas numa Bolsa
de Valores, os veículos registrados em determinada cidade, os estudantes que
fazem determinado curso, revistas existentes numa biblioteca, os membros de
uma associação, as leituras de temperatura às 6 horas da manhã em diversos
lugares de um país, etc.
Note-se que a listagem dos itens de uma população não constitui por si um censo,
mas apenas um meio de identificação. As características de interesse serão
obtidas através de amostragem. Assim é que uma relação de jornais nada nos diz
sobre o conteúdo deles; uma lista de cinemas não indica a receita de cada um em
determinado dia uma relação dos estudantes de um curso não diz quantos
exercem atividade nas férias; e uma lista de ações não nos releva o ativo de cada
companhia. O único propósito de uma listagem é permitir selecionar itens da
população para estudo ulterior.
O processo de seleção exige que se atribuam números consecutivos aos itens
listados, escolhendo-se depois, aleatoriamente, os números dos itens que
comporão a amostra. Conceitualmente, podemos usar cartas, dados, ou fichas
numeradas para gerar números aleatórios correspondentes aos números de
nossa listagem. Por exemplo, se nossa população consistisse de 46 itens,
colocaríamos numa urna 46 bolas numeradas de 1 a 46, e escolheríamos uma a
uma até perfazer o número de itens desejados para amostra. Os números nas
bolas nos indicariam os itens a selecionar.
Na prática, tais dispositivos são empregados raramente, por várias razões. Uma
delas é que cada dispositivo deixa algo a desejar; os métodos não são
perfeitamente aleatórios. As cartas, por exemplo, podem aderir umas às outras,
impedindo um embaralhamento perfeito. As arestas de um dado podem estar
desgastadas. E sempre há o perigo de as bolas numa urna não terem sido
57
convenientemente misturadas. Além do mais, no caso de grandes ou freqüentes
amostras mediante listagem, tais processos tornam-se tediosos. Em vista disso, e
porque a amostragem aleatória é vital para a interferência estatística, existem
tabelas especialmente elaboradas, chamadas tabelas de números aleatórios, que
são utilizadas em conjunto com algumas formas de amostragem aleatória.
4.2. Outros Planos de Amostragem
Além da amostragem aleatória simples, há muitos outros planos de amostragem
aleatória úteis para coligir informação amostral. Mencionaremos alguns deles para
ilustrar algumas extensões da amostragem simples e das uma perspectiva
adicional à amostragem aleatória. Uma palavra de cautela: é preciso
conhecimento e um planejamento muito cuidadoso para determinar quais itens da
população devem compor a amostra e como interpretar os resultados amostrais.
4.2.1. Amostragem Probabilística Versus Amostragem Não-Probabilística
Os planos de amostragem probabilística são delineados de tal modo que se
conhece a probabilidade de todas as combinações amostrais possíveis. Em razão
disso, pode-se determinar a quantidade de variabilidade amostral numa
amostragem aleatória. Sob tais condições a amostragem é objetiva, podendo-se
obter prontamente uma estimativa do erro amostral. A amostragem aleatória é um
exemplo da amostragem probabilística. A amostragem não-probabilística é a
amostragem subjetiva, ou por julgamento, onde a variabilidade amostral não pode
ser estabelecida com precisão.
Conseqüentemente, não é possível nenhuma estimativa do erro amostral (isto é,
da variabilidade amostral). A verdade é que, sempre que possível, deve-se usar a
amostragem probabilística. Há não obstante, alguns casos em que a amostragem
não-probabilística proporciona uma alternativa útil para a amostragem
probabilística.
58
4.2.2. Amostragem por Julgamento
Se o tamanho da amostra é bem pequeno; digamos, de um a cinco itens, a
amostragem aleatória pode dar resultados totalmente não-representativos, ao
passo que uma pessoa familiarizada com a população pode especificar quais os
itens mais representativos da população. Por exemplo, uma cadeia de
restaurantes pode querer experimentar uma nova técnica de serviço, empregando
bandejas com aquecimento.
Problemas de custo podem fazer que a experiência se limite a dois restaurantes,
os quais podem diferir consideravelmente em termos de tamanho, localização,
clientela e lucratividade. Ao invés de uma seleção aleatória dos dois locais a
serem usados como teste, será melhor confiar no conhecimento da administração
para fazer tal escolha.
Ocasionalmente os itens amostrais se apresentam convenientemente grupados.
Uma pesquisa médica deve trabalhar com os itens disponíveis, ou talvez com
condenados que se apresentem como voluntários para o estudo. Nenhum desses
grupos pode ser considerado como uma amostra aleatória do público em geral, e
seria perigoso tentar tirar conclusões gerais com base em tal estudo. Todavia, os
resultados poderiam proporcionar uma base para a elaboração de um plano de
amostragem aleatória para validar os recursos básicos.
Os perigos inerentes à pesquisa médica, bem como a outros tipos de pesquisa,
freqüentemente obrigam a limitar a pesquisa inicial a um pequeno número de
voluntários. Outros exemplos similares seriam portadores de doenças fatais,
cadáveres, animais, etc.
Finalmente, a amostragem por julgamento pode ser mais rápida e menos custosa
porque não é preciso construir uma listagem dos itens da população.
Tenha-se em mente que a amostragem por julgamento não permite a avaliação
objetiva do erro amostral, de modo que é conveniente usar a amostragem
probabilística sempre que possível.
59
4.2.3. Amostragem Probabilística
Consideremos três planos de amostragem probabilística: sistemática, estratificada
e por conglomerado.
A amostragem sistemática é, de fato, muito semelhante à amostragem aleatória
simples. Requer uma lista dos itens da população e, assim, padece das mesmas
restrições já mencionadas em relação à listagem na amostragem simples. Se os
itens da lista não se apresentam numa ordem determinada, a amostragem
sistemática pode dar uma amostra realmente aleatória, escolhendo-se cada k-
ésimo item da lista, onde k se obtém dividindo o tamanho da população pelo
tamanho da amostra (isto é, k = N/n). Assim, se N = 200 e n = 10, então k = 10200
= 20.
Significa isto que será escolhido um item em cada seqüência de 20. Pode-se
consultar uma tabela de números aleatórios para determinar onde começar no
primeiro grupo, selecionando então cada k-ésimo item após aquele. Por exemplo,
se a tabela deu 09, escolheremos o 9º item, o 29º, o 49º, o 69º, etc. É preciso ter
cuidado no caso de os itens da lista se apresentarem grupados ou com caráter
periódico.
Assim, é que os nomes escolhidos alfabeticamente podem estar grupados porque
vários nomes étnicos começam com certas letras ou combinação de letras. A
escolha de casas quando a lista se baseia na ordem das casas numa rua também
pode não ser aleatória porque um número igual de casas em cada quarteirão
pode fazer que uma casa de esquina, ou de meio de quarteirão, seja sempre o k-
ésimo item.
Uma casa de esquina pode ter maior valor, pagar maior imposto, sofrer mais
ruído, e seu ocupante pode ter salário mais alto, ser mais preocupado com a
estrutura dos impostos, etc, enquanto que as casas de meio de quarteirão podem
apresentar características bem diferentes.
A amostragem estratificada pressupõe a divisão da população em subgrupos
(estratos) de itens similares, procedendo-se então à amostragem em cada
60
subgrupo. A lógica do processo é que, dispondo os itens da população em
subgrupos homogêneos, a variabilidade é menor que a da população global, o
que leva à necessidade de um menor tamanho de amostra.
Podemos ver isto considerando um caso extremo: suponhamos idênticos os itens
em cada estrato. Em tal caso, basta uma única observação de cada subgrupo
para dizer do seu comportamento. Assim, pois, quanto maior a semelhança entre
os elementos de cada estrato, menor o tamanho da amostra necessária.
Em geral, procede-se a amostragem aleatória em cada estrato, mas às vezes, é
útil um censo em cada subgrupo. Por exemplo, num estudo de sistemas de
inventário, não é raro acontecer que apenas 10% dos itens em estoque no
depósito de uma firma representem mais de 60% do valor do inventário, e que os
restantes 90% não representem nem 40% do valor.
Como há tão poucos itens na categoria, ou estrato, de custo alto, sem dúvida teria
sentido proceder-se a um censo completo de tais itens, fazendo-se então
amostragem aleatória nos outros subgrupos com grande número de itens de
baixo custo.
Alguns outros exemplos de amostragem estratificada: estudo do tempo que os
indivíduos de várias categorias de renda despendem com o lazer, ou
percentagem de seus salários gasta em recreação, ou tipo e duração de suas
férias, etc. Um estudo do volume de vendas comparado com os gastos com
propaganda pode prestar-se também a uma amostragem estratificada, desde que
haja muitas firmas incluídas no estudo.
A amostragem por conglomerado pressupõe a disposição dos itens de uma
população em subgrupos heterogêneos representativos da população global.
Idealmente, cada conglomerado pode ser encarado como uma mini população.
Na verdade, se a formação dos conglomerados foi perfeita, cada conglomerado
sendo exatamente semelhante a outro (e assim, semelhante à população básica)
bastaria examinar apenas um conglomerado para fazer inferências sobre a
população.
Todavia, isto raramente ocorre na prática, porque os conglomerados são, em
61
geral, grupos de itens que se acham em estreito contato físico, como casas,
quarteirões, bairros, etc.
Nas maioria das vezes, tais subgrupos são quase homogêneos e são escolhidos
mais por facilidade administrativa e economia de custo do que por suas
características heterogêneas. Em geral, não é pratico ou mesmo possível dispor
os itens em subgrupos heterogêneos. Conseqüentemente, deve-se selecionar um
número maior de conglomerados para obviar essa limitação.
A amostragem por conglomerados tem duas vantagens muito distintas sobre a
amostragem aleatória. Uma é que, se os itens da população se acham muito
dispersos, uma amostra aleatória pode acarretar considerável despesa, viagens,
etc, para ser bem extraída, ao passo que os itens de cada conglomerado estão
próximos um dos outros. Suponhamos, por exemplo, que a população de
interesse consistisse dos proprietários em localidades demasiadamente afastadas
no estado, o que dificultaria a coordenação e a padronização na coleta de dados.
Por outro lado, os conglomerados de condados ou cidades conteriam
proprietários de carros em áreas concentradas, reduzindo o custo e facilitando a
coordenação. Além disso, selecionado aleatoriamente conglomerados em todo o
estado, provavelmente se obterá uma amostra mais representativa da população.
Dentro de cada conglomerado, a amostragem poderia ser aleatória, estratificada,
ou ainda por conglomerado, pois o número de proprietários de carro mesmo num
condado ou numa cidade pode ser demasiado grande para permitir um censo.
Uma segunda vantagem da amostragem por conglomerado é que não é
necessário uma listagem dos itens da população. Basta uma lista dos
conglomerados. Assim, não é possível obter uma listagem de todos os
proprietários de imóveis dos EUA, mas pode-se obter uma lista de condados, ou
mesmo de cidades. Ou então os conglomerados podem ser quarteirões.
Embora não possamos dispor de uma listagem das casas de uma cidade, os
quarteirões podem, em geral, ser identificados, fazendo-se a seleção por meio de
mapas. Então os quarteirões escolhidos podem ser visitados, identificando-se as
casas que comporão a amostra.
62
Freqüentemente, um plano de amostragem incorpora vários desses tipos. Por
exemplo, os itens da população podem ser as pessoas que vivem em
determinado estado. O estado pode ser dividido em condados (conglomerados),
fazendo-se então uma seleção aleatória de condados para estudo. Os condados
escolhidos seriam divididos (estratificados) em áreas rurais e urbanas.
As áreas urbanas poderiam ainda ser estratificadas em residências e comerciais,
ou em áreas centrais e suburbanas. Os diversos estratos podem então ser
submetidos à amostragem aleatória ou divididos em conglomerados, ou
novamente estratificados e então submetidos à amostragem ou a um censo.
Naturalmente, o processo pode tornar-se bastante complicado.
A tabela abaixo apresenta uma comparação dos planos de amostragem
probabilística.
Tabela 16 - Comparação de Planos de Amostragem Probabilística
Tipo Caracterizado por Aleatória Lista de itens Sistemática Lista aleatória de itens Estratificada Subgrupos homogêneos Por conglomerado Itens fisicamente próximos uns dos outros
63
5. DISTRIBUIÇÕES AMOSTRAIS
A finalidade da amostragem é obter uma indicação do valor de um ou mais
parâmetros de uma população, tais como a média, o desvio padrão populacional,
ou a proporção de itens que possuem determinada característica. As estatísticas
amostrais que correspondem a esses parâmetros populacionais são usadas para
aproximar os valores desconhecidos daqueles parâmetros.
Assim é que a média amostral é usada para estimar à média da população, o
desvio padrão amostral é usado para estimar o desvio padrão populacional, e a
proporção amostral serve para estimar a proporção na população.
Uma das realidades da amostragem aleatória é que, quando se extraem repetidas
amostras da mesma população, há uma tendência de a estatística amostral variar
de uma amostra para outra e também em relação ao verdadeiro valor do
parâmetro, simplesmente em razão de fatores casuais relacionados com a
amostragem. Essa tendência é conhecida como variabilidade amostral. (Por esta
razão, quase sempre podemos estar certos de que determinada estatística
amostral não é igual ao correspondente parâmetro populacional).
Obviamente, então, qualquer tentativa para fazer inferências sobre uma
população deve levar em conta a variabilidade amostral. No caso da amostragem
aleatória, entretanto, demonstra-se matematicamente que a variabilidade pode
ser descrita por distribuições de probabilidades tais como a normal e a binomial.
Quando as distribuições de probabilidade são usadas desta maneira, são
conhecidas como distribuições amostrais. E como essas distribuições só podem
ser utilizadas quando se trata de amostras aleatórias, é essencial usar somente
amostras aleatórias para fazer inferência estatística.
A questão a responder para cada amostra é: Quão próxima está a estatística
amostral do verdadeiro valor do parâmetro populacional? A resposta depende de
três fatores. Um é a estatística que está sendo considerada. Para descrever a
variabilidade associada a diferentes estatísticas amostrais, usam-se diferentes
distribuições de probabilidade. Outro fator é o tamanho da amostra. Há menor
64
variabilidade entre estatísticas de grandes amostras do que entre estatísticas de
pequenas amostras. E o terceiro fator é a variabilidade existente na própria
população submetida à amostragem. Populações com muita variabilidade
produzem estatísticas amostrais com maior variabilidade do que populações com
pequena variação entre os valores populacionais.
Para entender como se podem usar estatísticas amostrais para fazer inferências
sobre parâmetros populacionais, começaremos estudando populações com
parâmetros conhecidos e observaremos as estatísticas amostrais que elas
tendem a produzir (raciocínio dedutivo). Feito isto, estaremos em condição de
aprender como as características de uma única amostra podem ser usadas para
fazer inferências sobre o (s) parâmetro (s) de uma população (raciocínio indutivo).
Uma distribuição amostral é uma distribuição de probabilidades que indica até que
ponto uma estatística amostral tende a variar devido a variações causais na
amostragem aleatória.
Inicialmente é difícil assimilar o conceito de distribuição amostral. Examinemos
por isso uma distribuição amostral simples. Suponhamos que um fazendeiro
deseja vender alguns porcos. Para simplicidade, limitemos a população a cinco
porcos (embora o fazendeiro não os conheça).
Os pesos constam da tabela abaixo.
Tabela 17 - População de Cinco Porcos
Porco Peso (lb)A 200 B 203 C 206 D 209 E 212 1030
Suponhamos que qualquer porco com menos de 205 Ib de peso seja considerado
magro, não podendo ser vendido a preço razoável. Vemos que 2 deles, ou seja,
52
da população, estão nessa categoria. O fazendeiro quer agora estimar a
proporção de seus porcos que estão abaixo do peso. Como é muito trabalhoso
pesar todos os animais, ele resolve tomar uma amostra de 2 e usar a proporção
65
amostral para estimar a proporção populacional. As perguntas que devemos
responder são: Que proporções amostrais são possíveis e quão viável é cada
uma? Em outras palavras, queremos a distribuição amostral da situação. Como
uma distribuição amostral deve indicar os resultados possíveis, comecemos por
identificá-los. Presumivelmente, o fazendeiro faria amostragem sem reposição,
pois não desejaria pesar o mesmo porco duas vezes. A seguir têm-se os
resultados amostrais possíveis (Tabela 19 e Figura 10 e Figura 11).
Tabela 18 - Combinações Amostrais de Dois Porcos.
Tamanho da amostra
Número de amostras possíveis
Combinação amostral
Pesos amostrais
Proporção abaixo de 205 lb
2 ⎟⎠⎞
⎜⎝⎛
25
A, B 200, 203 22
A, C 200, 206 21
A, D 200, 209 21
A, E 200, 212 21
B, C 203, 206 21
B, D 203, 209 21
B, E 203, 212 21
C, D 206, 209 20
C, E 206, 212 20
D, E 209, 212 20
A distribuição amostral mostra que as proporções amostrais possíveis são 20 ,
21
e 22 . Mostra também quão provável é cada proporção, sob a hipótese de que
66
cada porco tenha a mesma chance de ser incluído na amostra (isto é,
amostragem aleatória). Por exemplo, há uma probabilidade de 0,6 de a proporção
amostral ser 21 , o que está próximo da proporção real (como são usadas
amostras de 2, seria impossível termos uma proporção amostral de 52 ). Se
escolhêssemos a distribuição para amostras de 3 observações para a mesma
população, a distribuição da proporção de porcos com deficiência de peso seria a
mostrada a seguir (Figura 10). Note-se que neste último caso os resultados são
diferentes dos do caso de amostras de tamanho 2.
00,10,20,30,40,50,60,7
Proporção amostral abaixo de 20520
21
22
00,10,20,30,40,50,60,7
Proporção amostral abaixo de 205
00,10,20,30,40,50,60,7
Proporção amostral abaixo de 20520
21
22
Figura 10 - Distribuição das proporções amostrais de porcos com peso deficiente para
amostras de tamanho 2, extraídas de uma população de 5, com uma proporção
populacional de 52
.
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0/3 1/3 2/3 3/3
Proporção amostral
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0/3 1/3 2/3 3/30,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0/3 1/3 2/3 3/3
Proporção amostral Figura 11 - Distribuição amostral da proporção de porcos com deficiência de peso, com
n=3, 52p = .
67
Conquanto esta abordagem empírica das distribuições amostrais não seja prática,
pois exige a listagem de todos os resultados possíveis, permite, não obstante,
considerar em pequena escala o que uma distribuição amostral realmente é. Na
prática, as distribuições amostrais são deduzidas matematicamente e colocadas à
disposição dos analistas sob forma de tabelas e gráfico.
Duas das distribuições amostrais mais usadas são a binomial e a normal, com as
quais o leitor já deve estar familiarizado. Vamos agora explorar algumas formas
como uma população pode influenciar uma distribuição amostral.
5.1. Efeito dos Parâmetros Populacionais sobre uma Distribuição Amostral
Já dissemos que as distribuições amostrais tendem a produzir estatísticas
amostrais representativas dos parâmetros populacionais. Isto é, apesar do fato
tenderem a apresentar certa variabilidade, podemos dizer que as estatísticas
amostrais devem aproximar parâmetros populacionais de forma bastante
satisfatória. Esta característica de ser representativa resulta em estatísticas
amostrais que tendem a se acumular na vizinhança dos verdadeiros
populacionais.
Podemos explorar esta afirmação de várias maneiras. Talvez a mais simples
consiste em focalizar nossa relação numa distribuição amostral para o número de
ocorrências. Suponhamos que tenhamos sido encarregados de fazer amostragem
em grandes containers de geléia para verificar a percentagem que se apresenta
demasiado licorosa.
Podemos ter uma idéia de como a percentagem na população (um grande
container) pode influenciar a percentagem amostral considerando várias
proporções populacionais (parâmetros) e examinando as distribuições amostras
relacionadas. Suponhamos, por exemplo, 10 observações, para determinar o
número de licorosos na amostra. A situação pode ser adequadamente descrita
por uma distribuição binomial com n = 10, dicotomizando o produto em licoroso e
68
não-licoroso.
Devemos admitir que a população seja tão grande que a probabilidade de obter
uma unidade licorosa permaneça praticamente constante de uma para outra
observação, mas isto não parece fora de propósito.
Pode-se usar uma tabela da distribuição binomial para obter as probabilidades
dos vários resultados (0, 1, 2, ..., 10 licorosos) possíveis. A conversão desses
resultados em percentagens mostra como as proporções populacionais
influenciam as proporções amostrais. A Figura 12 ilustra uma sucessão de
distribuições amostrais (probabilidades), cada uma com uma percentagem
diferente de licorosos na população.
A primeira exibe a probabilidade de cada proporção amostral (0, 1, ..., 10) para
uma população com 5% de licorosos, a segunda mostra as mesmas
probabilidades para uma população com 10% licorosos, etc. Note-se que, em
cada caso, a distribuição de proporções amostrais parece refletir a proporção
populacional. A implicação é que, quando a amostragem é aleatória, há uma
elevada probabilidade de que a estatística amostral se aproxime do parâmetro
populacional.
Assim, populações com pequenas percentagens de determinado item tendem a
gerar amostras com pequenas percentagens do item; populações com
percentagem moderada tenderão a gerar amostras com percentagens moderadas
do item; e populações com elevadas percentagens gerarão tipicamente amostras
com grandes percentagens. Note-se, todavia, que sempre há certo grau de
variação; as estatísticas amostrais não são necessariamente iguais ao parâmetro
populacional.
69
.
Distribuição de probabilidadede percentagem amostral: n = 10
p = 0,05
Distribuição de probabilidadede percentagem amostral: n = 10
p = 0,05
P(x)
0,00
0,20
0,40
0,60
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Proporção Amostral
x
P(x)
0,00
0,20
0,40
0,60
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Proporção Amostral
x
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,10
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,10
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,20
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,20
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,50
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,50
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,90
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
p = 0,90
x
P(x)
Proporção Amostral
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0x
P(x)
Proporção Amostral
p = 0,70
0,00
0,20
0,40
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0x
P(x)
Proporção Amostral
p = 0,70
Figura 12 - A distribuição das proporções amostrais é influenciada pela proporção populacional; as proporções amostrais com maiores probabilidades estão mais próximas
de p.
70
5.2. Efeito do Tamanho da Amostra sobre uma Distribuição Amostral
A distribuição binomial também proporciona um método conveniente para ilustrar
a relação básica entre o tamanho da amostra e variabilidade na distribuição
amostral. Isto pode ser observado diretamente escolhendo-se uma proporção
única (probabilidade de sucesso) e comparando as probabilidades dos resultados
para vários tamanhos de amostra.
P(x/n)
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 16, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 32, p = 0,5
x/n
P(x/n)
P(x/n)
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 16, p = 0,5
x/n
P(x/n)
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 16, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 16, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 32, p = 0,5
x/n
P(x/n)
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 32, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
n = 32, p = 0,5
x/n
P(x/n)
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,50 1,00
P(x/n)
n = 2, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
P(x/n)
n = 4, p = 0,5
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
P(x/n)
n = 8, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,50 1,00
P(x/n)
n = 2, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,50 1,00
P(x/n)
n = 2, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
P(x/n)
n = 4, p = 0,5
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
P(x/n)
n = 4, p = 0,5
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
P(x/n)
n = 8, p = 0,5
x/n
0,00
0,10
0,20
0,30
0,40
0,00 0,50 1,00
P(x/n)
n = 8, p = 0,5
x/n
Figura 13 - Uma série de fatos ilustra o fato de que, à medida que aumenta o tamanho da
amostra, (1) a distribuição amostral das proporções tende para a normalidade e (2) a variabilidade amostral decresce. Note-se que a média da distribuição amostral é sempre
igual à proporção da população.
71
Novamente aqui, as probabilidades são tiradas de uma tabela de probabilidades
binomiais individuais convertidas em percentagem de sucesso. A série de gráficos
(Figura 13) ilustra a distribuição das proporções amostrais para amostras de n =
2, 4, 8, 16, 32 para a situação em que a proporção de licorosos na população é de
50%.
Há três pontos muito importantes ilustrados (Figura 13). Uma é que, na medida
em que o tamanho da amostra aumenta, a distribuição amostral tende para a
forma da distribuição normal. A razão segundo a qual a distribuição amostral
tende para a normalidade depende de quão simétrica à população é: quanto mais
simétrica, mais rápida a tendência para a normalidade (e, assim, menor o
tamanho da amostra necessário para “supor” normalmente).
Um segundo ponto ilustrado (Figura 13) é que, à medida que aumenta o tamanho
da amostra, há variabilidade cada vez menor entre as proporções amostrais. A
implicação é que grandes amostras têm mais forte tendência a produzirem
estatísticas amostrais relativas próximas, em valor, do parâmetro populacional.
Assim, o erro potencial decrescerá à medida que o tamanho da amostra aumente.
Ainda um terceiro ponto: em cada caso, a média da distribuição amostral é igual
ao parâmetro da população. Logo, a média ou valor esperado de uma estatística
amostral é igual à proporção populacional.
Embora a distribuição binomial proporcione maneira conveniente de ilustrar certas
propriedades de distribuições amostrais, os resultados são mais gerais do que as
aplicações envolvendo proporções. Vemos (Figura 14) a demonstração da
mesma tendência de as médias amostrais se agruparem em torno da média
populacional. Sabemos, por exemplo, que 68% dos valores numa distribuição
normal estão à distância de um desvio padrão de cada lado da média. E, ao
contrário da binomial, a distribuição amostral é sempre simétrica em relação a sua
média. Assim, é ilustrado o fato de o aumento do tamanho da amostra fazer
descrever a variabilidade inerente à distribuição amostral (Figura 14).
72
5.3. Distribuições de Médias Amostrais
Uma distribuição amostral de médias é uma distribuição de probabilidade que
indica quão prováveis são diversas médias amostrais. A distribuição é função da
média e do desvio padrão da população e do tamanho da amostra. Para cada
combinação de média, desvio padrão de amostra haverá uma única distribuição
amostral de médias amostrais.
No princípio deste capítulo consideramos uma população de cincos porcos e um
fazendeiro que queira estimar a proporção de porcos com deficiência de peso. Ele
poderia muito bem ter apelado para o peso médio dos porcos, caso em que a
distribuição amostral de médias seria apropriada. Os dados são repetidos,
juntamente com os parâmetros populacionais (Tabela 18 e 19).
Se o fazendeiro deseja estimar o peso médio de seus porcos, pode considerar
amostras de dois, três, ou possivelmente quatro. E novamente então, poderíamos
listar cada média amostral possível e construir uma distribuição de freqüência.
Além disso, poderíamos calcular a média e o desvio padrão de cada distribuição
amostral. Como já dissemos, entretanto, é preferível usar processos matemáticos
a esse processo empírico. Não obstante, os resultados do método empírico
revelam algumas propriedades interessantes das distribuições amostrais. A
Tabela 7.4 exibe os resultados.
Tabela 19 - População de Cinco Porcos.
Porco Peso (lb) Parâmetros
A 200 média = 5
1030 = 206
B 203 desvio padrão = 4,24 C 206 D 209 E 212 1030
73
Distribuições de médias amostrais
Média Populacional
(a) As médias amostrais tendem a grupar-se em torno da média populacional.
Média Populacional
(b) As distribuições amostrais de grandes amostras têm menor variabilidade que as de pequeno tamanho amostral.
n = 100
n = 80
n = 60
n = 40
Distribuições de médias amostrais
Média Populacional
(a) As médias amostrais tendem a grupar-se em torno da média populacional.
Média Populacional
(b) As distribuições amostrais de grandes amostras têm menor variabilidade que as de pequeno tamanho amostral.
n = 100
n = 80
n = 60
n = 40
Figura 14 - As médias amostrais tendem a grupar-se em torno da média populacional. (b) A variabilidade das distribuições amostrais tende a decrescer com o aumento do tamanho da
amostra.
Tabela 20 - Resumo dos Parâmetros de Distribuições Amostrais de Médias e População de Cinco Porcos.
Média Desvio PadrãoPopulação 206 4,24
Distribuições amostrais: n = 2 206 2,60 n = 3 206 1,73 n = 4 206 1,06
A Tabela acima ilustra várias coisas. Uma é que a média da distribuição amostral
parece sempre exatamente igual à média populacional, não é coincidência.
Resulta do fato de que uma distribuição amostral se compõe de “todas as
amostras possíveis”, incluindo, portanto, todos os itens da população. Em
essência, o cálculo da média de uma distribuição amostral nada mais é que um
processo indireto de calcular a média da população. Basta um simples exemplo.
Suponhamos três itens numa população: x1, x2 e x3...A média da população é
74
3)( 321 xxx ++ . Considerando todas as amostras de dois itens, as combinações
serão 1x e 2x , 1x e 3x , 2x e 3x . As médias amostrais seriam:
221 xx +
2
31 xx +
232 xx +
A média das três médias amostrais (e a média da distribuição amostral) seria:
32)[(]2)[(]2)[( 323121 xxxxxx +++++
= 3
)(21
323121 xxxxxx +++++
3
)(21
323121 xxxxxx +++++=
3
)222(21
321 xxx ++=
3321 xxx ++
=
Que é a média da população.
Outra característica ilustra pela Figura 7.4 é que o desvio padrão da distribuição
amostral parece decrescer quando o tamanho da amostra aumenta. A mesma
característica já havia sido observada anteriormente. A implicação é que a média,
ou valor esperado, da média amostral será igual à média da população, e que
amostras maiores tendem a serem mais confiáveis que amostras menores.
Consideremos agora as fórmulas efetivamente usadas para cálculos envolvendo
distribuições amostrais de médias. A média de uma distribuição amostral é
sempre igual à média da população3.
Assim:
xxμμ =
3 Em razão disso, o símbolo xμ será usado daqui por diante para designar tanto a média da população como a média da distribuição
amostral.
75
Onde:
xμ = média da distribuição amostral
xμ = média da população
Quando a população é muito grande ou infinita, o desvio padrão da distribuição
amostral de média é:
nx
x
σσ =
xσ = desvio padrão da distribuição amostral
xσ = desvio padrão da população
n = tamanho da amostra
A fórmula do desvio padrão nos diz, com efeito, que a quantidade de dispersão na
distribuição amostral depende de duas coisas:
a) A dispersão na população;
b) A raiz quadrada do tamanho da amostra.
Por exemplo, em qualquer população, o aumento do tamanho das amostras
extraídas resultará em menor variabilidade entre as possíveis médias amostrais.
E se o mesmo tamanho de amostra é usado com diferentes populações, as
populações com maior quantidade de dispersão )( xσ tenderão a gerar a maior
quantidade de variabilidade entre as médias de amostras extraídas delas.
5.3.1. O Teorema do Limite Central
A capacidade de usar amostras para fazer inferências sobre parâmetros
populacionais depende do conhecimento da distribuição amostral. Acabamos de
ver como se determinam a média e o desvio padrão, mas precisamos ainda de
outra informação: a forma da distribuição amostral. Já dissemos antes que há
uma tendência para as distribuições de médias e de proporções se apresentarem
aproximadamente normais. No caso das médias amostrais, pode-se demonstrar
matematicamente que, se uma população tem distribuição normal, a distribuição
76
das médias amostrais extraídas da população também tem distribuição normal,
para qualquer tamanho de amostra. Além disso, mesmo no caso de uma
distribuição não-normal, a distribuição das médias amostrais será
aproximadamente normal, desde que a amostra seja grande. Este é um resultado
notável, na verdade, pois nos diz que não é necessário conhecer a distribuição de
uma população para podermos fazer inferências sobre ela a partir de dados
amostrais.
A única restrição é que o tamanho da amostra seja grande. Uma regra prática
muito usada é que a amostra deve consistir de 30 ou mais observações.
Estes resultados são conhecidos como o Teorema do Limite Central e
representam talvez o conceito mais importante na inferência estatística.
O TEOREMA DO LIMITE CENTRAL
1. Se a população sob amostragem tem distribuição normal, a distribuição das
médias amostrais também será normal para todos os tamanhos de amostra;
2. Se a população básica é não-normal, a distribuição de médias amostrais será
aproximadamente normal para grandes amostras.
Em sentido estrito, o Teorema do Limite Central só se aplica a médias
amostrais.Não obstante, o leitor deve recordar que, exceto para valores muito
pequenos ou muito grandes de p, a distribuição normal constitui aproximação
razoável das probabilidades binomiais para grandes amostras. Logo, a
distribuição normal pode ser utilizada para médias e proporções em grandes
amostras (Figura 15).
77
=
Distribuição da População
Distribuição Amostral
Para todos os tamanhos de amostra:
Para grandes amostras: ≈
≈
≈
≈
=
Distribuição da População
Distribuição Amostral
Para todos os tamanhos de amostra:
Para grandes amostras: ≈
≈
≈
≈
Figura 15 - O Teorema do Limite Central.
Vejamos como aplicar essa informação para obter probabilidades de várias
estatísticas amostrais para amostras extraídas de populações conhecidas.
Exemplo 1: Uma população muito grande tem média 20,0 e desvio padrão 1,4.
Extrai-se amostra de 49 observações. Responda:
a. Qual a média da distribuição amostral?
b. Qual o desvio padrão da distribuição amostral?
c. Qual a percentagem das possíveis médias que diferirão por mais de 0,2 da
média da população?
Solução:
Como n > 30, podemos supor normal a distribuição amostral.
78
a. A média da distribuição amostral é sempre igual à média da população. Logo,
xμ = 20,0.
b. O desvio padrão da distribuição amostral é:
2,074,1
494,1
====nx
x
σσ
c. A percentagem de médias amostrais que diferem por mais de 0,2 da média
populacional (Figura 16)é:
xσ1
2,0202,20
+=−
proporção: 0,1587
xσ1
2,0208,19
−=−
proporção: 0,1587
total: 0,3174
0,1587 0,1587
19,8 20 20,2
xu
0,1587 0,1587
19,8 20 20,2
xu
Figura 16 - As porções sombreadas são iguais à probabilidade de uma média amostral inferior a 19,8 ou superior a 20,2.
Exemplo 2: Um fabricante de baterias alega que seu artigo de primeira categoria
tem uma vida esperada (média) de 50 meses. Sabe-se que o desvio padrão
correspondente é de 4 meses. Que percentagem de amostras de 36 observações
acusará vida média no intervalo de 1 mês em torno de 50 meses, admitindo ser
de 50 meses a verdadeira vida média das baterias? Qual será a resposta para
uma amostra de 64 observações?
Solução:
Sabemos que, como n > 30, a distribuição de médias amostrais será
79
aproximadamente normal, com média igual à média populacional e o desvio
padrão igual ao desvio padrão populacional dividido pela raiz quadrada do
tamanho da amostra. A figura a seguir ilustra a probabilidade desconhecida
(Figura 17).
49 50 51
Mesesxμ
49 50 51
Mesesxμ
Figura 17 - O problema exige a determinação da área sombreada da distribuição amostral.
A solução envolve a determinação do número de desvios padrões que 49 e 51 meses distam da
média; recorrendo a uma tabela de áreas sob a curva normal, obtemos as probabilidades
procuradas.
Determinemos primeiro o desvio padrão da distribuição amostral:
nx
x
σσ =
para n = 36: xσ = 67,064
364
==
para n = 64: xσ = 50,084
644
==
Em seguida determinemos a diferença em relação ao valor esperado:
x
parâmetroaestatísticzσ−
=
para n = 36:x
σ5,167,01
67,05049
−=−
=−
x
σ5,167,01
67,05051
==−
para n = 64:x
σ250,01
50,05049
−=−
=−
x
σ250,01
50,05051
==−
Finalmente determinemos as áreas com o auxílio da tabela da Distribuição
Normal Padronizada:
80
para n = 36: z =1,5 área = 0,4332
P(49 < x < 51) = 0,4332 + 0,4332 = 0,8664
para n = 64: z = 2,0 área = 0,4773
P(49 < x < 51) = 0,4773 + 0,4773 = 0,9546
Note-se que, mesmo permanecendo constante o intervalo de 49 a 51, as
respostas para as amostras de 36 e 64 são diferentes. A probabilidade de obter
uma média amostral no intervalo dado é maior para amostras de 64 observações
do que para amostras de 36 observações, devido ao fato de o desvio padrão da
distribuição amostral decrescer quando n aumenta.
Exemplo 3: Usando a informação contida no Exemplo 2, qual seria a
probabilidade de obter uma média amostral inferior a 49,8 meses com uma
amostra de 100 observações?
Solução:
Vemos a área desconhecida sob a curva normal (Figura 18).
nx
x
σσ = =
104
= 0,4
xσ5,0
4,0508,49
−=−
A área abaixo de xσ5,0− é 0,3085.
49,8 50
Meses
xμ
?
49,8 50
Meses
xμ
?
Figura 18 - A porção sombreada representa )8,49x(P ≤ .
81
5.4. Distribuições de Proporções Amostrais
Uma distribuição de proporções amostrais indica quão provável é determinado
conjunto de proporções amostrais, dados o tamanho da amostra e a proporção
populacional. Quando o tamanho da amostra é 20 ou menos, as probabilidades
dos diversos resultados possíveis podem ser lidas diretamente numa tabela de
probabilidades binomiais simplesmente convertendo o número de sucessos em
percentagens. Por exemplo, 3 ocorrências em 10 observações correspondem a
30%, 5 ocorrências em 20 observações correspondem a 25%. Para maiores
amostras, a aproximação normal da binomial dá resultados bastante satisfatórios.
A média (proporção ou percentagem média) da distribuição amostral é sempre
igual à proporção populacional. Isto é:
pp =
Onde:
p = proporção populacional
p = média da distribuição amostral das proporções
Quando a população é muito grande ou infinita, o desvio padrão da distribuição
amostral se calcula pela fórmula:
npp
p)1( −
=σ
Exemplo 4: Um varejista compra copos diretamente da fábrica em grandes lotes.
Os copos vêm embrulhados individualmente. Periodicamente o varejista
inspeciona os lotes para determinar a proporção dos quebrados ou lascados. Se
um grande lote contém 10% de quebrados ou lascados, qual a probabilidade de o
varejista obter uma amostra de 100 copos com 17% ou mais defeituosos?
Solução:
A distribuição amostral se centrará em 10%, que é a percentagem populacional
de defeituosos. E 17% ilustra a percentagem desconhecida (Figura 19). O
primeiro passo é calcular o desvio padrão da população:
82
03,010
3,0100
)90,0)(10,0()1(===
−=
npp
pσ
Podemos usar esse resultado para determinar a variação relativa:
zp ===− σ33,2
%3%7
%3%10%17
10% 17%
?
10% 17%
?
Figura 19 - %)17n/x(P ≥ .
A área além de pσ33,2 é 0,0099, conforme a tabela da Distribuição Normal
Padronizada, com z = 2,33.
Teoricamente, deveríamos usar uma correção de continuidade, pois estamos
usando a distribuição normal para aproximar probabilidades binomiais. Do ponto
de vista prático, entretanto, isto é desnecessário, sendo especialmente verdadeiro
para grandes amostras e valores de z ≥ 2 ou mais.
5.5. Distribuição Amostral do Número de Ocorrências
As distribuições amostrais de proporções e do número de ocorrências são
essencialmente as mesmas. Ambas dizem respeito à contagem de dados, e não a
mensurações; ambas envolvem o uso das tabelas binomiais para as
probabilidades desejadas quando o tamanho da amostra é menor que 20, e
ambas podem ser aproximadas pela normal para amostras maiores. A única
diferença é que, na distribuição amostral de proporções, os valores vêm
expressos como percentagens, enquanto que nas distribuições amostrais do
número de ocorrências os valores se apresentam como contagens. A tabela nos
83
dá uma comparação das fórmulas para a média e para o desvio padrão de cada
uma.
Tabela 21 - Comparação de Fórmulas para as Distribuições Amostrais de Proporções e de Número de Ocorrências.
Distribuição Amostral Média Desvio Padrão Proporções p
npp
p)1( −
=σ
Número de ocorrências np )1( pnpnp −=σ
Exemplo 5: Suponha que uma pesquisa recente tenha revelado que 60% de uma
população de adultos do sexo masculino consista de não-fumantes. Tome uma
amostra de 600, calcule e interprete a média e o desvio da distribuição amostral.
Solução:
Temos n = 600, p = 0,60, de modo que 1 – p = 0,40.
média = np = 600 (0,60) = 360
desvio padrão = 12144)40,0)(60,0(600)1( ===− pnp
A média da distribuição, 360, é o número de não-fumantes que esperaríamos
encontrar numa amostra aleatória de 600 adultos do sexo masculino, admitindo
que 60% desses adultos não fumem. Sabendo que sempre existe variabilidade
amostral, seria de surpreender se houvesse exatamente 360 não-fumantes em
nossa amostra. Na verdade, o desvio padrão da distribuição amostral, 12, nos diz
quanta dispersão devemos esperar. Por exemplo, 95,5% (2 desvios padrões) de
tais amostras devem cair no intervalo de 24± em torno de 360, ou seja, de 336 a
384 não-fumantes.
5.6. Amostragem de uma População Finita
A maior parte da amostragem se faz sem reposição, seja por motivos
psicológicos, seja por razões de conveniência e custo. Enquanto o tamanho da
amostra for pequeno em relação ao da população, a amostragem sem reposição
84
dará entre as amostras essencialmente a mesma variabilidade da amostragem
com reposição. Enquanto, se o tamanho da amostra representa percentagem
apreciável da população (digamos, mais de 5%), já os resultados dos tipos de
amostragem começam diferir. Isto porque, na amostragem sem reposição, a
probabilidade de extração de itens varia de uma para outra extração. Em tais
condições, a distribuição adequada é a distribuição hipergeométrica.
As fórmulas do desvio padrão das médias amostrais e do desvio padrão das
proporções amostrais devem ser modificadas de modo a refletirem a
probabilidade, se o tamanho da amostra é superior a 5% da população.
Felizmente, a modificação hipergeométrica tem uma forma simples:
1−−
NnN
Onde:
N = tamanho da população
n = tamanho da amostra
Essa fórmula é designada como fator de correção finita, ou, às vezes,
multiplicador de população finita, já que multiplica as expressões usuais do desvio
padrão.
O desvio padrão das médias amostrais se torna:
1−−
=N
nNnx
x
σσ
O desvio padrão das proporções amostrais fica:
1)1(
−−−
=N
nNnpp
pσ
E o desvio padrão do número de ocorrências se escreve:
1)1(
−−
−=N
nNpnpnpσ
Exemplo 6: Uma máquina para recobrir cerejas com chocolate é regulada para
produzir um revestimento de 3 mm de espessura. O processo tem distribuição
85
normal, com desvio padrão de 1 mm. Se o processo funciona conforme o
esperado (isto é, média de 3mm e desvio padrão de 1mm), qual seria a
probabilidade de extrair uma amostra de 25 de um lote de 169 cerejas e encontrar
uma amostra superior a 3,4 mm?
Solução:
Na figura a probabilidade desconhecida de obter uma média amostral superior a
34 mm. Como a população é finita e a amostra é maior do que 5% (n/N = 25/169
= 0,15) cabem aplicar o fator de correção finita. A solução exige a determinação
de quão afastado da média está o valor 3,4 mm (em termos de padrões), usando-
se o valor para obter a possibilidade na tabela de curva normal (Figura 20).
3,0 3,4
?
3,0 3,4
?
Figura 20 - )4,3x(P ≥ .
185,0)92,0(51
16825169
251
1==
−=
−−
=N
nNnx
x
σσ
xx
x σσμ 2,2
185,04,0
185,00,34,3
≈=−
=−
A área sob a curva normal além de x
σμ 2,2+ é 0,0139. Assim, P(x> 3,4) = 1,39%.
Exemplo 7: Um processo de encher garrafas de cola dá em média 10% mal
cheias. Extraída uma amostra de 225 garrafas de uma seqüência de produção de
625, qual a probabilidade de que a proporção amostral de garrafas mal cheias
esteja entre 9% e 11%?
Solução:
Como o tamanho da amostra é grande em relação ao da população (n/N é
86
225/625,ou 36%), necessitamos do fator de correção finita. Determinando, em
desvios padrões, a distância de 9% e 11% em relação à media do processo,
podemos determinar a probabilidade procurada (Figura 21).
9% 10% 11%
P
9% 10% 11%
P Figura 21 - %)11/%9( ≤≤ nxP
016,02520
153,0
1625225625
225)90,0)(10,0(
1)1(
=⋅≈−
−=
−−−
=N
nNnpp
pσ
625,0016,0
10,009,01 −=
−=z
625,0016,0
10,011,02 =
−=z
A área sob a curva no intervalo z1 a z2 é 2(0,2340) = 0,4680.
87
6. ESTIMAÇÃO
A estimação é o processo que consiste em utilizar dados amostrais para estimar
os valores de parâmetros populacionais desconhecidos. Essencialmente,
qualquer característica de uma população pode ser estimada a partir de uma
amostra aleatória. Entre os mais comuns, estão a média e o desvio padrão de
uma população e a proporção populacional.
Há inúmeras aplicações da estimada. Os políticos, por exemplo, costumam
estimar a proporção de seus eleitores que esposam vários pontos de vista sociais
ou econômicos. As fábricas devem continuamente estimar a percentagem de
defeituosas num lote de peças. As características de bom desempenho de um
produto devem ser delineadas levando em conta considerações como resistência
média, peso, duração média, etc. Os grandes magazines devem prever a procura
de seus diversos artigos. A avaliação de inventários, a estimação do custo de
projetos, a avaliação de novas fontes de energia, predições sobre a realização de
empreendimentos, estimadas de tempo médio – todas essas situações envolvem
a estimação.
A estimação é o processo que consiste em utilizar dados amostrais para estimar
parâmetros populacionais desconhecidos.
6.1. Estimativas Pontuais e Intervalares
As estatísticas amostrais são utilizadas como estimadores de parâmetros
populacionais. Assim, uma amostral é usada como estimada de uma média
populacional; um desvio padrão amostral serve de estimativa do desvio padrão da
população; e a proporção de itens numa amostra, com determinada característica,
serve para estimar a proporção da população que apresenta aquela
característica. Tais estimativas chamam-se estimativas pontuais, porque originam
uma única estimativa do parâmetro. Mas já sabemos que a amostragem aleatória
apresenta tendência a gerar amostras em que a média amostral, por exemplo,
não é igual à média da população, embora os dois valores em geral sejam
88
próximos. Em virtude da variabilidade amostral, é usual uma “estimativa
intervalar” para acompanhar a estimativa pontual. Essa nova estimativa
proporciona um intervalo, ou âmbito, de possíveis valores do parâmetro
populacional. A tabela a seguir dá alguns exemplos de cada tipo de estimativa.
Estimativa pontual: Estimativa única de um parâmetro populacional.
Estimativa intervalar: Dá um intervalo de valores possíveis, no qual se admite
esteja o parâmetro populacional.
Tabela 22 - Exemplos de Estimativas.
Tipo de Estimativa Parâmetro Populacional Pontual Intervalar
Média
1. O americano médio consome 40 lb de carne por ano.
2. Um carro típico de 6 cilindros faz 15 milhas por galão.
1. O consumo médio de carne no país está entre 30 e 50 lb por pessoa por ano.
2. Um carro típico de 6 cilindros faz entre 12 e 18 milhas por galão.
Proporção
1. Vinte e dois por cento da população se opõe a um aumento do limite de velocidade.
2. A proporção de estudantes fumantes é 43%.
1. Entre 18% e 26% da população há oposição a um aumento do limite de velocidade.
2. A proporção de estudantes fumantes está entre 37 e 49%.
Desvio Padrão
1. O desvio padrão da quilometragem de um pneu radial é de 2.000 milhas.
2. O desvio padrão da temperatura numa piscina não aquecida é da ordem de 5ºF.
1. O desvio padrão da quilometragem de um pneu radial está entre 1.500 e 2.500 milhas.
2. O desvio padrão da temperatura numa piscina não aquecida está entre 2ºF e 8ºF.
6.2. Os Fundamentos Lógicos da Estimação
A capacidade de estimar parâmetros populacionais por meio de dados amostrais
está ligada diretamente ao conhecimento da distribuição amostral da estatística
que está sendo usada como estimador. Podemos encarar a estatística amostral
como uma observação daquela distribuição amostra. Suponhamos, por exemplo,
que tenhamos extraído uma amostra de aluno graduado, tendo-se observado a
idade média de 24,2 anos. Sabemos que este é um dos valores da distribuição
amostra, mas a questão é: qual deles? Istoé, quão próximo está 24,2 da média da
população?
Ao formular a resposta a esta pergunta, devemos levar em conta as
89
características da distribuição amostral. Vimos, por exemplo, no Capítulo 7 que a
distribuição das médias amostrais é normal ou aproximadamente normal em
muitos casos. Suponhamos, por um momento, que este seja o caso aqui.
Sabemos então que cerca de 68% da estatística amostral está a menos de um
desvio padrão de cada lado da média da distribuição amostral (que é igual à
média da população) e que 95% das médias amostrais estarão dentro de 1,96
desvios padrões a contar da média.
Da mesma forma, sabemos que 32% das médias amostrais além de 1 desvio
padrão a contar da média (1,00 – 0,68) e que cerca de 5% das médias amostrais
estarão a mais de 1,96 desvios padrões além da média.
Conseqüentemente, se fizermos a afirmativa que a média de uma amostra está a
menos de 1,96 desvios padrões a contar da média verdadeira, podemos esperar
estar certos 95% das vezes, e errados 5% das vezes. Assim, dizer que 24,2 está
menos de 1,96 desvios padrões da média acarreta um risco de erro de 5%. Na
verdade, a média amostral pode estar muito mais próxima da verdadeira média do
que 1,96 – ou muito mais afastada. Como nunca saberemos ao certo, devemos
contentar-nos com essa atribuição probabilística do intervalo em que o verdadeiro
valor possa estar. Tal intervalo é chamado intervalo de confiança, e nossa
“confiança” é: 1-p(erro). Logo, um intervalo de confiança de 95% leva consigo um
risco de 5% de erro; 5% dos intervalos assim fixados não incluirão a média
populacional.
Analogamente, se dizemos que uma média amostral está a 2,33 desvios padrões
da média, risco de não estar é de cerca de 2%, o que nos dá um intervalo de
confiança de 98%. Note-se que o risco diminui à medida que aumenta o valor z;
um intervalo com 2,33 tem menor risco que um intervalo com limites de 1,96.4 Por
outro lado, para reduzir o risco, é necessário fixar um âmbito maior para os
possíveis valores da média da população.
Ora, independentemente do nível de confiança que adotemos, ainda não
4 A esta altura parece natural cogitarmos de um intervalo de confiança de 100%. Mas como a distribuição normal vai de ∞− a ∞+ , seria virtualmente impossível especificar limites que incluíssem todos os valores amostrais possíveis.
90
podemos dizer se determinada média amostral é menor, ou maior, do que valor
desconhecido da média populacional. Por exemplo, a média amostral pode ter
sido gerada na cauda superior da distribuição amostral (isto é, a média amostral
pode ser muito maior que a média real). Ou pode ter sido gerada também na
cauda inferior da distribuição amostral. Obviamente, não temos meios de saber se
determinada estatística amostral é muito alta, muito baixa, em relação ao valor
real, ou quase igual a ele. Conseqüentemente, estabelecemos um intervalo de
valores possíveis, onde achamos que o verdadeiro valor do parâmetro possa
estar tendo sempre presente o erro máximo que estejamos querendo aceitar
(Figura 22).
Nosso intervalo de confiança tem a forma xzx σ± ; um intervalo de 95% para a
média com 2,24=x seria 24,2 xσ96,1± . O valor de nossa amostra é duplo. Por
um lado, serve de ponto médio de nosso intervalo de confiança. Por outro lado,
serve de estimativa pontual da média real. Recorde o leitor que a média amostral
tem valor esperado igual à média populacional. Logo, em média, o valor amostral
será “igual” ao parâmetro da população.
O fato de que um intervalo de confiança de 95% só não inclui a média da
população para 5% das médias amostrais, podemos visualizar na figura a seguir
(Figura 23). Note-se, entretanto, que usualmente basta tomar uma amostra; as
cinco amostras são exibidas apenas para fins ilustrativos.
91
24,2
?μ
?μ
?μ ?μx
x(a)
(b) A estatística amostral provém da cauda superior, da distribuição amostral,como se vê aqui?
(c) A estatística amostral provém da cauda inferior da distribuição amostral, como se vê aqui?
(d) Como não há maneira de saber ao certo, admitimos o pior e construímos um intervalo dos valores verdadeiros possíveis.
24,2
?μ
?μ
?μ ?μx
x
24,2
?μ
?μ
?μ ?μx
x(a)
(b) A estatística amostral provém da cauda superior, da distribuição amostral,como se vê aqui?
(c) A estatística amostral provém da cauda inferior da distribuição amostral, como se vê aqui?
(d) Como não há maneira de saber ao certo, admitimos o pior e construímos um intervalo dos valores verdadeiros possíveis.
Figura 22 - O conceito do intervalo de estimação.
xx σ96,11 − 1x xx σ96,11 +
xx σ96,12 − xx σ96,12 +2x
xx σ96,13 − xx σ96,13 +3x
xx σ96,14 − xx σ96,14 +4x
xx σ96,15 − xx σ96,15 +5x
Distribuição amostral de x
Amostra
xσμ 96,1− xμ xσμ 96,1+
Distribuição amostral de x
Amostra
xσμ 96,1− xμ xσμ 96,1+
1
2
3
4
5
Figura 23 - Nem todos os intervalos de estimação baseados nas médias de amostras repetidas contêm o verdadeiro valor. Para fins de ilustração, exibimos intervalos de
confiança de 95% (z = 1,96).
Um intervalo de confiança dá um intervalo de valores, centrado na estatística
amostral, no qual julgamos, com um risco conhecido de erro, estar o parâmetro da
população.
92
Até aqui conseguimos dizer, de modo geral, quão próxima nossa média amostral
de 24,2 anos está da idade média dos estudantes graduados (em termos de
desvios padrões), mas nada se disse ainda sobre essa proximidade em anos.
6.3. Estimação da Média de uma População
A questão de quão próxima determinada média amostral pode estar da média da
distribuição amostral, em unidades efetivas, depende da variabilidade na
distribuição amostral (isto é, o desvio padrão da distribuição amostral).
Recordamos que, à medida que aumenta o tamanho amostral, o desvio padrão da
distribuição amostral diminui. Logo, grandes amostras tenderão a produzirem
médias amostrais que estão mais próximas da média do que pequenas amostras.
Além disso, a variabilidade da população global é um fator; quanto maior a
variabilidade na população, maior a variabilidade na distribuição amostral.
O método usado para estimar a média de uma população depende se o desvio
padrão da população é conhecido ou deve ser estimado com base nos dados
amostrais. Consideremos primeiro o caso em que o desvio padrão da população é
conhecido.
a) Desvio Padrão populacional conhecido
Quando o desvio padrão populacional é conhecido, as estimativas: pontual e
intervalar da média populacional são:
estimativa pontual de xx :μ
estimativa intervalar de xzx σμ ±:
onde nxxσσ =
A figura a seguir (Figura 24) ilustra como se constrói o intervalo de confiança com
a média amostral como ponto médio.
A estimativa intervalar da média populacional se baseia na hipótese de que a
distribuição amostral das médias amostrais é normal. Para grandes amostras isto
93
não apresenta dificuldade especial, pois se aplica o Teorema do Limite Central.
Todavia, para amostras de 30 ou menos observações, é importante saber que a
população submetida amostragem tem distribuição normal, ou ao menos
aproximadamente normal. De outra forma essas técnicas não podem ser
utilizadas.
Intervalo de confiança
xzx σ− xzx σ+x
Intervalo de confiança
xzx σ− xzx σ+x
Figura 24 - O intervalo de confiança tem centro na média amostral.
Podemos agora construir alguns intervalos de confiança para a idade média dos
estudantes graduados usando nossa média amostral de 24,2. Para isso, devemos
conhecer o tamanho da amostra e o desvio padrão populacional. Suponhamos n
= 36 e xσ = 3,0. A Tabela 8.2 ilustra os cálculos de intervalos de 90%, 95% e
99% de confiança.
Tabela 23 - Intervalos de Confiança para xμ . Quando se conhece xσ Tamanho amostral =
36, 2,24,3 == xxσ .
Confiança desejada z Fórmula Cálculo e Intervalo
90% 1,65 n
x xσ65,1±
36365,12,24 ± 825,02,24 ± 23,375 a 25,025
95% 1,96 n
x xσ96,1±
36396,12,24 ± 980,02,24 ± 23,220 a 25,180
99% 2,58 n
x xσ58,2±
36358,22,24 ± 290,12,24 ± 23,110 a 25,690
6.3.1. Erro de Estimação
O erro num intervalo de estimação diz respeito ao desvio (diferença) entre a
média amostral e a verdadeira média da população. Como o intervalo de
confiança tem centro na média amostra, o erro máximo provável é igual à metade
da amplitude do intervalo. Logo, o intervalo:
94
nzx xσ
±
Pode escrever-se como:
errox ±
O erro e sendo dado por:
nze xσ
=
Intervalo de confiança em termos de erro (Figura 25).
A fórmula do erro revela que há efetivos três determinados do tamanho ou
qualidade de erro: (1) a confiança desejada, representada pelo valor de z; (2) a
dispersão na população, xσ ; e o (3) o tamanho da amostra, n. Os fatores no
numerador têm efeito direto no erro, pois um aumento dessas variáveis faz que e
aumente. Isto é, quanto maior o coeficiente de confiança ou a dispersão da
população, maior o erro potencial. O tamanho da amostra, figurando no
denominador, tem efeito inverso no erro. Maiores amostras significam menor
potencial de erro.
ex− x ex+Intervalo de confiança
ErroMáximoprovável
ErroMáximoprovável
ex− x ex+Intervalo de confiança
ErroMáximoprovável
ErroMáximoprovável
Figura 25 - Erro = 21
(amplitude do intervalo de confiança).
O efeito líquido depende dos valores das três variáveis. Todavia, pode ser
instrutivo considerar rapidamente os efeitos individuais de cada variável (Figura
26).
A figura mostra que o aumento do grau de confiança resulta numa ampliação do
intervalo (Figura 26(a)). Em seguida indica que um aumento do tamanho da
95
amostra ocasiona uma redução no intervalo (Figura 26 (b)). Note-se, entretanto,
que, como o fator no denominador é a raiz quadrada de n, e não n apenas, a
amplitude do intervalo é menos sensível a modificações no tamanho da amostra.
Assim é que seria preciso tomar 4 vezes n para se ter uma redução de um meio
na amplitude do intervalo )
2141( =
. A figura ilustra como a dispersão numa
população pode afetar o intervalo; quanto maior a dispersão maior o intervalo
(Figura 26 (c)).
(a) Efeito do coeficiente de confiança
Confiança
68%
95%
99%
z
1,00
1,96
2,58
Amplitude do Intervalo
(b) Efeito do tamanho da amostra
Tamanho da Amostra
8
16
64
32
Amplitude do Intervalo
(c) Efeito da dispersão da população
8
16
64
32
xσ Amplitude do Intervalo
(a) Efeito do coeficiente de confiança
Confiança
68%
95%
99%
z
1,00
1,96
2,58
Amplitude do Intervalo(a) Efeito do coeficiente de confiança
Confiança
68%
95%
99%
z
1,00
1,96
2,58
Amplitude do Intervalo
(b) Efeito do tamanho da amostra
Tamanho da Amostra
8
16
64
32
Amplitude do Intervalo(b) Efeito do tamanho da amostra
Tamanho da Amostra
8
16
64
32
Amplitude do Intervalo
(c) Efeito da dispersão da população
8
16
64
32
xσ Amplitude do Intervalo(c) Efeito da dispersão da população
8
16
64
32
xσ Amplitude do Intervalo
Figura 26 - Fatores que influem na amplitude de um intervalo de confiança: (a) coeficiente
de confiança; (b) tamanho da amostra; (c) dispersão da população.
Se atentarmos para a coluna “e” (Tabela 23) veremos que o erro máximo
aumenta à medida que o nível de confiança aumenta.
Com a fórmula anterior, podemos determinar a quantidade de erro associada à
dispersão de uma população, o tamanho da amostra e o nível de confiança.
Entretanto, às vezes podemos querer especificar um erro tolerável e talvez achar
o tamanho de amostra necessário para gerar aquele erro para determinado nível
96
de confiança e um desvio padrão populacional conhecido. Ou podemos querer
determinar um nível de confiança, dadas as outras três variáveis. Interessante é o
fato de a mesma equação básica poder ser usada para determinar qualquer
variável desconhecida, mediante simples manipulação algébrica. Na seção que
segue daremos especial atenção a uma dessas variáveis – o tamanho da
amostra.
6.3.2. Determinação do Tamanho da Amostra
Uma das perguntas mais freqüentes em estatística é: “Qual o tamanho da
amostra que devemos tomar?” A fórmula do erro pode ser resolvida em relação à
n. Assim:
nze xσ
= , e
zn xσ= ,
2
⎟⎠⎞
⎜⎝⎛=e
zn xσ
Logo, o tamanho da amostra necessária dependerá de (1) a grau de confiança
desejado, (2) a quantidade de dispersão entre os valores individuais da
população, e (3) certa quantidade específica de erro tolerável.
Exemplo 1: Que tamanho de amostra será necessário para produzir um intervalo
de 90% de confiança para a verdadeira média populacional, com erro de 1,0 em
qualquer dos sentidos, se o desvio padrão da população é 10,0?
Solução:
Sabemos que 0,10=xσ e e = 1,0 e queremos um intervalo de 90% de confiança,
o que implica um valor de z de 1,65. Temos assim:
27325,27265,10,10,1065,1 2
22
→==⎥⎦
⎤⎢⎣
⎡=⎥⎦
⎤⎢⎣⎡=e
zn xσ
Note-se que, ao resolver em relação à n, sempre arredondamos a resposta para o
próximo inteiro superior.
Até agora nossa investigação da estimação de médias populacionais tem
focalizado exclusivamente situações em que o desvio padrão populacional é
97
conhecido. Na prática, é mais comum encontrar situações em que a dispersão da
população não é conhecida. Uma seqüência do desconhecimento do desvio
padrão da população é que a distribuição normal já não é a distribuição
adequada. A seção que seque aborda esses aspectos.
6.3.3. Estimação de Médias Quando xσ é Desconhecido: a Distribuição t
Quando o desvio padrão da população não é conhecido (o que é o caso,
geralmente), usa-se o desvio padrão da amostra como estimativa, substituindo-se
xσ por xs nas equações para intervalos de confiança e erros. Isto não acarreta
maiores dificuldades, pois o desvio padrão amostral dá uma aproximação
bastante razoável do verdadeiro valor, na maioria dos casos. Além disso, pelo
Teorema do Limite Central, sabemos que, quando o tamanho da amostra é
superior a 30, a distribuição das médias é aproximadamente normal. Todavia,
para amostras de 30 ou menos observações, aproximação normal não é
adequada. Devemos então usar a distribuição t5, que é a distribuição correta
quando se usa xs .
A forma da distribuição t é bastante parecida com a normal. Podemos ver uma
comparação entre as distribuições t e normal (Figura 27). A principal diferença
entre as duas distribuições é que a distribuição t tem maior área nas caudas. Isto
significa que, para um dado nível de confiança, o valor t será um pouco maior que
o correspondente valor z.
5 O criador da Distribuição t foi W. S. Gossett, empregado de uma cervejaria irlandesa no princípio do século XX. A firma não gostava de que seus empregados publicassem trabalhos em seu próprio nome, de modo que Gosset adotou o pseudônimo de Student em seus trabalhos sobre a distribuição t. Por isso é que ela tomou o nome de distribuição de Student t.
98
Normal
t
Normal
t
Figura 27 - Comparação das distribuições normal e t. Note-se que a distribuição tem mais
área nas caudas.
Mas o aspecto interessante (e de certo modo, complicado) sobre a distribuição t é
que ela não é uma distribuição padronizada no mesmo sentido em que a
distribuição normal o é: há uma distribuição t ligeiramente diferente para cada
amostra. Assim, enquanto a distribuição normal é essencialmente independente
do tamanho da amostra, a distribuição t não o é. Para amostras de pequeno
tamanho (digamos, 30 observações ou menos), a distribuição t é mais sensível ao
tamanho da amostra, embora para maiores amostras essa sensitividade diminui.
Na verdade, para grandes amostras, é razoável usar valores z para aproximar
valores t, muito embora a distribuição t seja sempre teoricamente correta quando
não se conhece o desvio padrão da população, independente do tamanho da
amostra.
Como existe uma distribuição t para cada tamanho de amostra, não seria prático
tentar construir tabelas completas das distribuições. Em vez disso, tabelam-se
apenas os principais valores.
Para usar uma tabela t, devemos conhecer duas coisas: o nível de confiança
desejado, e o número de graus de liberdade. O número de graus de liberdade
está relacionado com a maneira como se calcula o desvio padrão:
1)( 2
−
−= ∑
nxx
sx
Probabilidades (ou áreas sob a curva da Distribuição t)
Área numa cauda 0,10 0,05 0,025 0,01 0,005 Área em duas caudas 0,20 0,10 0,05 0,02 0,01
99
Figura 28 - - Valores de t para Probabilidades Escolhidas.
Exemplo: Número de graus de liberdade = 6
Área acima de t = 1440 ou abaixo de t = -1,440 representa 10% da área sob a curva.
A área considerada acima de t = -1,440 e abaixo de t = -1,440 representa 20% da área sob a curva.
100
Onde:
xs = desvio padrão amostral
n – 1 = graus de liberdade
Assim, o número de graus de liberdade é igual a n - 1, ou tamanho da amostra
menos um. Eis uma explicação intuitiva do número de graus de liberdade:
suponhamos uma sala de aula com 20 carteiras vazias, cada um escolhe um
lugar. Naturalmente, o primeiro aluno tem 20 escolhas de assentos, o segundo
tem 19 escolhas, e assim por diante.
Assim é que 20 alunos têm 19, ou n – 1, graus de liberdade.
Consideremos um segundo exemplo. Suponhamos que queiramos três números
cuja soma seja 10. O primeiro número pode ser tudo (mesmo negativo); o
segundo número também. Mas o terceiro número estar limitado à condição que a
soma dos três deve ser 10. Escolhidos os dois primeiros valores, o terceiro este
essencialmente determinado; não existe grau de liberdade para o terceiro valor.
Por exemplo, o primeiro número poderia ser + 3, e o segundo poderia ser – 1,
para um total de + 2. Para que os três números somem 10, o terceiro deve ser 8.
Há três números em jogo, mas liberdade só para dois. (Mais adiante veremos que
o número de graus de liberdade depende de mais alguma coisa, de forma que
seria errado supor que o número de graus de liberdade sempre fosse n – 1, tal
como um número mágico).
A verdade é que se exige que a soma dos desvios em relação à média amostral
seja zero, o que exige um arredondamento do menor valor. Logo, o número de
graus de liberdade é igual a n -1.
Há aqui uma tabela dos mesmos valores (Tabela 24). Note-se que essa tabela
está disposta de forma um pouco diferente das tabelas normais. As áreas (ou
percentagens ou probabilidades) aparecem no topo e não no corpo da tabela; os
valores de t são dados no corpo da tabela; e os graus de liberdade estão
relacionados ao lado da tabela.
Para usar a tabela, o leitor deve especificar a área nas caudas da distribuição
101
(risco) e os graus de liberdade. Ela dá alguns exemplos de valores t para certos
tamanhos amostrais e riscos.
Tabela 24 - Valores de t para 95% de Confiança (0,025 em cada cauda).
Tamanho da amostran
Graus de liberdaden - 1 Valor de t
8 7 2,365 13 12 2,179 23 22 2,074 28 27 2,052
O intervalo de confiança para uma média amostral quando se usa xs é muito
semelhante ao intervalo quando se usa xσ . O intervalo é:
nstx x±
Um último ponto. A distribuição t é só é teoricamente adequada quando a
distribuição é normal. Na prática, quando n aumenta, indo além de 30
observações, a necessidade de admitir a normalidade diminui.
A distribuição t supõe que a população submetida amostragem seja normal. Essa
hipótese é particularmente importante para n ≤ 30. A tabela a seguir ilustra
intervalos de confiança com o emprego de t. (Tabela 25)
Tabela 25 - - Intervalos de Confiança com Valores de t
Média Amostral 20,0; Desvio Padrão Amostral 1,5; Tamanho da Amostra 25 (graus de liberdade n – 1 = 24)
Confiança desejada t Fórmula Cálculo Intervalo
90% 1,711nstx x± 20,0 ± 1,711
255,1
20,0 ± 0,5133
95% 2,064nstx x± 20,0 ± 2,064
255,1
20,0 ± 0,6192
99% 2,797nstx x± 20,0 ± 2,797
255,1
20,0 ± 0,8391
Note-se que, para amostras de 30 ou menos, tanto z como t exigem que a
população seja normal, ou ao menos aproximadamente normal. Para amostras
maiores, essa restrição já não é necessária. Dada uma população normal, já
dissemos que se usa z quando se conhece xσ e que só se usa t quando só se
conhece xs . Se n > 30, o valor de t pode ser aproximado por z.
102
6.3.4. Amostragem de Pequenas Populações: O Fator de Correção Finita
Quando a população é finita e a amostra constitui mais de 5% da população,
devemos aplicar o fator de correção finita para modificar os desvios das fórmulas:
Intervalo de Confiança Erro
xσ conhecido
1−−
±N
nNn
zx xσ 1−
−N
nNn
z xσ
xσ desconhecido1−
−±
NnN
nstx x
1−−
NnN
nst x
Exemplo 2: Determinar um intervalo de 95% de confiança para estas duas
situações:
a.
1000100
0,20,15
===
=
Nn
x
xσ Sandra mourão b.
20016
0,20,15
====
Nnsx
x
Solução:
a. %101000100
==Nn
Portanto, devemos utilizar o fator de correção finita. A fórmula para o intervalo de
confiança é:
1−−
±N
nNn
zx xσ
Com os dados do problema, temos:
901,0)2,0(96,10,15999
1001000100
0,296,10,15 ±=−
±
b. %82016
==Nn
Com xσ desconhecido e n ≤ 30, cabe utilizar a distribuição t (supondo normal a
103
população), e a fórmula para o intervalo de confiança é:
1−−
±N
nNnstx x
Os dados do problema dão (15 graus de liberdade)
925,0)5,0(131,20,151200
16200162131,20,15 ±=
−−
±
025,10,15 ±=
Devemos também modificar a fórmula para determinar o tamanho da amostra
necessário para obter um intervalo com um erro máximo e um nível de confiança
específico, quando se trata de amostragem de população finita. Há duas fórmulas
– uma, quando o desvio padrão da população é conhecido, e outra quando não é:
xσ conhecido: )1(222
22
−+=
NezNz
nx
x
σσ
xσ desconhecido: )1(222
22
−+=
NestNst
nx
x
A não utilização dessas fórmulas, quando for apropriado fazê-lo, pode resultar
numa amostra que exceda o tamanho da população.
6.4. Estimação da Proporção numa População
Que percentagem de peças numa grande remessa apresenta defeito? Que
proporção de bolas numa urna são vermelhas? Que proporção de eleitores
aprova determinado projeto? Qual é a probabilidade de um aluno do curso
primário não ser vacinado? Essas perguntas e outras analogias podem ser
respondidas utilizando-se dados amostrais para estimar o parâmetro
populacional. Tal como antes, as estimativas serão pontuais e intervalares.
A estimativa de proporções populacionais é muito semelhante à de médias
populacionais. Por exemplo, intervalos de confiança para grandes amostras se
baseiam numa distribuição amostral que é aproximadamente normal, usando-se a
104
estatística (neste caso a proporção amostral) como estimativa pontual do
verdadeiro parâmetro (proporção populacional). Há uma exceção digna de nota. A
distribuição t não é usada, e assim evita-se completamente o problema t versus z.
E há ainda um outro aspecto: a construção de intervalos de confiança tanto de
95% como de 99% é grandemente simplificada pelo uso de gráficos especiais.
Não obstante, será necessário considerar não só o uso da fórmula para a
construção de intervalos de confiança (um processo análogo ao usado para
intervalos de confiança para média) como uso de gráficos, porque a fórmula é
usada sempre que se desejam intervalos que não sejam de 95% ou 99%.
6.4.1. Intervalos de Confiança: Uso da Fórmula6
O valor esperado de uma proporção amostral (isto é, a média de uma distribuição
amostral de proporções amostrais) é sempre igual à verdadeira proporção da
população. Usa-se, portanto, a proporção amostral como estimativa pontual da
verdadeira proporção:
estimativa pontual de p: nxp =
A estimativa intervalar do parâmetro populacional (para grandes amostras) é
simétrica em relação à proporção amostral, tal como ocorre com o intervalo para a
média populacional em relação à média amostral. A principal diferença entre a
estimativa de médias e a de proporções está nos desvios de padrões das
distribuições amostrais. O desvio padrão de uma proporção se baseia na
distribuição binomial. A estimativa de pσ é dada abaixo.
onde n
nxnxnx
)](1)[( −=σ
x = número de itens da amostra z = desvio padrão normal n = tamanho da amostra
6 Esse processo está limitado a grandes amostras (digamos, n > 40). Para pequenas amostras é adequado o processo gráfico (para intervalos de 95% e 99% de confiança).
105
estimativa intervalar de n
nxnxnxznxp )](1)[(1)[(: −−±
Exemplo 4: Determine um intervalo de 98% de confiança para a verdadeira
proporção populacional, se x = 50 e n = 200.
Solução:
Um intervalo de 98% de confiança implica z = 2,33.
estimativa = n
nxnxznx )](1)[( −±
200)75,0)(25,0(33,225,0 ±=
07,025,0 ±= ou 0,18 a 0,32
6.4.2. Erro
Novamente aqui, a quantidade de erro numa estimativa nada mais é que a
metade da amplitude do intervalo de confiança. Logo, a equação:
nnxnxz
nx )](1)[( −±
Pode ser encarada como:
enx±
Onde e é n
nxnxz )](1)[( −
Os dois fatores, z e n, têm exatamente o mesmo efeito que o caso de erros de
estimativas de médias populacionais. Isto é, quanto maior for z (isto é, quanto
maior a confiança) maior o erro possível, ao passo que, quanto maior o tamanho
da amostra, menor o erro.
O efeito da população amostral, entretanto, pode não ser óbvio, simplesmente
porque x/n e 1—(x/n) são complementares um do outro. Assim, quanto um
106
aumenta, o outro diminui. A Figura 8.7 exibe o efeito global da proporção amostral
sobre a amplitude de um intervalo de confiança. Note-se que o intervalo é máximo
quando p = 0,50, decrescendo quando p aumenta ou diminui em razão do efeito
sobre o produto de p por (1 – p). De fato, sob condições de completa incerteza,
pode-se admitir inicialmente p = 0,50, o que revelará a maior quantidade de erro
possível.
Por outro lado, se pudermos dispor de alguma informação sobre o tamanho da
proporção amostral, digamos, de uma pequena amostra-piloto, então será
possível reduzir o tamanho do intervalo ou o tamanho necessário da amostra.
Exemplo 5: Uma amostra de 200 observações acusou 20 baterias defeituosas numa remessa. Usando uma confiança de 99%, determine o erro de estimação. Solução:
A proporção amostral 10,020020
= .Um nível de confiança de 99% exige z = 2,58.
055,0200
)90,0)(10,0(58,2)]/(1)[(==
−=
nnxnxze
0,090,90
0,160,80
0,210,70
0,240,60
0,250,50
0,240,40
0,210,30
0,160,20
0,090,10
p(1-p)p
0,090,90
0,160,80
0,210,70
0,240,60
0,250,50
0,240,40
0,210,30
0,160,20
0,090,10
p(1-p)p Tamanho relativo do intervalo (= 2e)Tamanho relativo do intervalo (= 2e)
Figura 29 - O intervalo de confiança para uma proporção é máximo quando x/n = 0,50.
107
Temos relacionado a seguir alguns exemplos de intervalos de confiança para
proporções (Tabela 26).
Tabela 26 - Exemplos de Intervalos de Confiança para Proporções.
n x Confiança desejada z x/n Erro Intervalo de
confiança
40 8 90% 1,65 20,0408
= 104,040
)80,0(20,065,1 = 0,096 a 0,304
80 20 95% 1,96 25,08020
= 095,080
)75,0(25,096,1 = 0,155 a 0,345
100 30 98% 2,33 30,010030
= 107,0100
)70,0(30,033,2 = 0,193 a 0,417
6.4.3. Determinação do Tamanho da Amostra
Uma das aplicações mais freqüentes da fórmula do erro é para determinar o
tamanho da amostra necessária para se obter determinado grau de precisão na
estimativa de proporções. A fórmula do erro:
nnxnxze )]/(1)[/( −
=
Pode ser usada para estabelecer uma fórmula para o tamanho da amostra.
Elevando ambos os membros ao quadrado, temos:
⎭⎬⎫
⎩⎨⎧ −
=n
nxnxze )/(1)[/(22
Podemos resolver em relação a n permutado n e 2e :
⎭⎬⎫
⎩⎨⎧ −
=n
nxxzn )]/(1/)[(2
Exemplo 6: Qual o tamanho da amostra necessário para obter um intervalo de
95% de confiança para a proporção populacional, se o erro tolerável é 0,08?
Solução:
Como o enunciado do problema não contém informação sobre o tamanho
possível da proporção populacional, os cálculos devem basear-se no intervalo
mais amplo possível, o que ocorre quando o valor amostral é igual a 0,50. Como
108
queremos um intervalo de 95%, usamos z = 1,96. Assim:
⎥⎦⎤
⎢⎣⎡ −
= 22 )1(
eppzn
Se torna:
0064,025,084,3
08,0)5,0)(5,0(96,1 2
2n =⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡= 149,9 ou 150
Exemplo 7: Determine o tamanho da amostra necessário para estimar a
verdadeira percentagem populacional a menos de 4%, usando um intervalo de
confiança de 90%. É razoável suspeitar que o verdadeiro valor seja 0,30 ou
menos.
Solução:
Trinta por cento dariam o intervalo máximo; usa-se então p = 0,30. Um intervalo
de 90% de confiança implica z = 1,65. Assim:
⎥⎦⎤
⎢⎣⎡ −
= 22 )1(
eppzn
Se torna:
0016,021,072,2
04,0)7,0)(3,0(65,1 2
2n =⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡= 357,3 ou 358
(arredonda-se para cima a fim de obter ao menos a precisão desejada).
6.4.4. Amostragem de Populações Finitas
Quando o tamanho da amostra é mais que 5% da população, devemos modificar
a fórmula para a estimativa intervalar da proporção populacional. Como se pode
ver, a modificação é idêntica à feita no caso de médias amostrais:
estimativa intervalar: 1
)]/(1)[/(−−
⋅−
±N
nNnxnxznx
Exemplo 8: Determine um intervalo de confiança de 95% para a percentagem
populacional de defeituosos para os seguintes dados:
109
N = 2000 n = 400 10,0=nx
Solução:
Como n/N = 400/2000 =20%, é necessário introduzir o fator de correção finita.
19991600
40009,096,1%10
120004002000
400)90,0)(10,0(96,1%10 ±=
−−
±
= )9,0(20
3,096,1%10 ⎟⎠⎞
⎜⎝⎛±
= %65,2%10 ± ou 7,35% a 12,65%
A fórmula para o tamanho da amostra no caso de populações finitas é:
)]/(1)[/()1())](/(1)[/(
22
2
nxnxzeNNnxnxzn
−+−−
=
110
7. REGRESSÃO E CORRELAÇÃO
A regressão e a correlação são duas técnicas estreitamente relacionadas que
envolvem uma forma de estimação. A diferença entre essas técnicas e o tipo de
estimação discutido anteriormente é que aquelas técnicas anteriores foram
utilizadas para estimar um único parâmetro populacional, enquanto que as
técnicas apresentadas neste capítulo se referem à estimação de uma relação que
possa existir na população.
Mais especificamente, a análise da correlação e regressão compreende a análise
de dados amostrais para saber se e como duas ou mais variáveis estão
relacionadas umas com as outras numa população. Nosso objetivo será
principalmente o estudo de duas variáveis. A análise de correlação dá um número
que resume o grau de relacionamento entre duas variáveis; a análise de
regressão tem como resultado uma equação matemática que descreve o
relacionamento. A equação pode ser usada para estimar, ou predizer, valores
futuros de uma variável quando se conhecem ou se supõem conhecidos valores
de outra variável. A análise de correlação é útil em trabalho exploratório, quando
um pesquisador ou analista procura determinar quais variáveis são
potencialmente importantes e o interesse está basicamente no grau ou força do
relacionamento. Em educação e psicologia, freqüentemente se dá maior ênfase
ao grau ou força do relacionamento. Em outras áreas, como administração,
economia, pesquisa medica, agricultura, focaliza-se mais a natureza do
relacionamento (isto é, a equação de predição), e a análise de regressão é o
instrumento principal.
A correlação mede a força, ou grau, de relacionamento entre duas variáveis; a
regressão dá uma equação que descreve o relacionamento em termos
matemáticos.
Os dados para a análise de regressão e correlação provêm de observações de
variáveis empalhadas. Para um problema de duas variáveis, isto significa que
cada observação origina dois valores, um para cada variável. Por exemplo, um
estudo que envolve características físicas pode focalizar a idade e a altura de
111
cada indivíduo. As duas variáveis de interesse – idade e altura de cada pessoa –
são então emparelhadas. Para um problema de três variáveis, cada observação
origina três valores. Por exemplo, além da idade e altura de cada pessoa,
podemos incluir também o peso na análise.
Iniciaremos nossa investigação das relações existentes numa população pela
análise de regressão. A análise de correlação será abordada mais adiante.
7.1. Regressão Linear
A regressão linear simples constitui uma tentativa de estabelecer uma equação
matemática linear (linha reta) que descreve o relacionamento entre duas
variáveis.
Há diversas maneiras em que as equações de regressão são utilizadas. Uma é
em situações em que as duas variáveis medem aproximadamente a mesma
coisa, mas uma delas é relativamente dispendiosa, ou difícil de lidar, enquanto
que a outra não. Por exemplo, a resistência e a dureza de um metal podem estar
relacionadas, de modo que conhecendo-lhe a dureza podemos estimar-lhe a
resistência. Se o teste de resistência destrói o metal, enquanto que o teste de
dureza não o destrói, uma pessoa interessada em estimar a resistência
obviamente preferirá confiar nos resultados do teste de dureza para estimar a
resistência. A finalidade de uma equação de regressão seria então estimar
valores de uma variável, com base em valores conhecidos da outra.
Outra utilização das equações de regressão é explicar valores de uma variável
em termos da outra. Isto é, podemos suspeitar de uma relação de causa e efeito
entre duas variáveis. Por exemplo, um economista pode tentar explicar as
variações na procura de automóveis usados em termos de desemprego. Um
agricultor pode suspeitar que a quantidade de fertilizante por ele usada tenha
influenciado a safra.
A distância de frenagem de um carro é influenciada por sua velocidade. Deve-se
notar, entretanto, que a lógica de uma relação causal deve provir de teorias
112
externas ao âmbito da estatística. A análise de regressão apenas indica qual
relacionamento matemático pode existir, se existir algum. Em outras palavras,
nem a regressão nem a correlação podem mostrar que uma variável tenda a
“causar” valores de outra variável.
Ainda uma terceira aplicação da regressão: predizer valores futuros de uma
variável. Por exemplo, costuma-se aplicar testes a empregados ou estudantes
potencias, para avaliar o potencial de sucesso na escola ou no emprego. É de
presumir que haja um relacionamento matemático entre o resultado do teste e o
potencial futuro.
Embora tais relações possam assumir uma grande diversidade de formas, nossa
discussão se limitará às equações lineares. As equações lineares (de uma linha
reta) são importantes porque servem para aproximar muitas relações da vida real,
e porque são relativamente fáceis de lidar e de interpretar. Outras formas da
análise de regressão, tais como regressão múltipla (mais de duas variáveis) e
regressão curvilínea (não-linear) envolvem extensões dos mesmos conceitos
usados na regressão linear simples.
7.1.1. A Equação Linear
Duas importantes características da equação linear são (1) o coeficiente angular
da reta e (2) a cota da reta em determinado ponto. Uma equação linear tem a
forma:
y = a + bx
onde a e b são valores que se determinam com base nos dados amostrais; a é a
cota da reta em x = 0, e b é o coeficiente angular. A variável y é a variável que
deve ser predita, e x é o valor preditor.
A Figura 9.1 ilustra a relação entre o gráfico de uma reta e sua equação. A reta,
com equação y = a + bx, intercepta o eixo dos y’s no ponto y = a. Este ponto é
chamado interceptor-y. O coeficiente angular da reta, b, indica a variação de y por
unidade de variação de x, ou xy ΔΔ / .
113
Y = a
x =
0
Y = a
x =
0
Figura 30 - A equação y = a+ bx representa uma reta com coeficiente angular b e intercepto-
a.
x
y
01 2 3 4
5
6 7 8 9 105
10
15
20
25
x
y
01 2 3 4
5
6 7 8 9 105
10
15
20
25
Figura 31 - A reta y = 5 + 3x tem coeficiente angular 3 e intercepto-y igual a 5.
Consideremos a equação y = 5 + 3x, ilustrada na Figura 9.2. A reta intercepta o
eixo dos y’s no ponto em que y = 5. O coeficiente angular da reta é 3, o que
significa que cada unidade de variação de x, correspondem 3 unidades de
variação de y. Podemos usar a equação para determinar valores de y
correspondentes a valores de x, como se vê na tabela que segue. A técnica de
levar valores de x na equação matemática e resolver em relação a y é usualmente
preferível à leitura de valores no gráfico, porque proporciona um grau de precisão
muito mais elevado. Não obstante, os gráficos são importantes porque criam uma
imagem mental do relacionamento. Além disso, na fase inicial da análise, podem
auxiliar a decidir se determinada relação linear é apropriada.
Valor de x y = 5 + 3x Valor calculado de y
2 5 + 3(2) = 11 3,1 5 + 3(3,1) = 14,3 7,2 5 + 3(7,2) = 26,6
114
7.1.2. Decisão por um Tipo de Relação
É importante ter em mente que nem todas as situações são bem aproximadas por
uma equação linear. Por isso, em geral é necessário desenvolver um trabalho
preliminar para determinar se um modelo linear é adequado. O processo mais
simples consiste em grafar os dados e ver se uma relação linear parece razoável.
Observem os gráficos a seguir (Figura 32) e decidam por si mesmos se os
gráficos (b) e (C) são lineares.
Quando os dados não podem ser aproximados por um modelo linear, as
alternativas são procurar um modelo não-linear7 conveniente, ou transformar os
dados para a forma linear. Por exemplo, a conversão de uma ou de ambas as
escalas em logaritmos dá por vezes um modelo linear. Isto provavelmente
ocorreria com dados da Figura 9.3(a).
(a) (b)
(c) (d)
(a) (b)
(c) (d) Figura 32 - Nem toda relação entre duas variáveis é linear. Os pontos em (b) e (c) parecem
dispor-se segundo um padrão linear, o que não ocorre com (a) e (d).
7 Estes serão mencionados rapidamente aqui. Maiores detalhes poderão ser encontrados em livros mais avançados.
115
7.2. Determinação da Equação Matemática
Voltemos agora nossa atenção para a mecânica da determinação da equação de
uma reta que melhor descreva um conjunto de observações. Por exemplo,
suponha-se que queiramos determinar se alguma relação entre a quilometragem
de um carro usado e seu preço de venda.
y
x(a)
(b)
y
x
0 100 200 300 400 500
5
10
15
- 2
2
4
8
12
10
6
0
y
x(a)
(b)
y
x
0 100 200 300 400 500
5
10
15
- 2
2
4
8
12
10
6
0
Figura 33
Isto é, queremos saber se o preço depende da quilometragem do carro. Em
linguagem de regressão, a quilometragem seria a variável independente, ou
“explanatória”, e o preço de venda a variável dependente, ou “explicada”. É
tradicional usar o símbolo x para representar valores da variável independente e o
símbolo y para valores da variável dependente.
Na regressão, os valores y são preditos com base em valores dados ou
conhecidos de x. A variável y é chamada variável dependente, e a variável x
variável independente.
Suponha-se que tenhamos coligado dados de vendedores de caros da área,
sobre quilometragem e preços de carros de 1975 de certa marca e com
determinado equipamento (condicionamento de ar, toca-fitas, etc.). Os dados
116
amostrais, que poderiam se originar de uma amostra aleatória de vendedores da
região, se apresentariam mais ou menos como os dados a seguir (Tabela 27).
Tabela 27 - Dados Amostrais Hipotéticos: Quilometragem e Preço de Venda de Carros.
i Observação
ix Quilometragem (1000’s)
iy Preço de venda
1 40 1000 2 30 1500 3 30 1200 4 25 1800 5 50 800 6 60 1000 7 65 500 8 10 3000 9 15 2500
10 20 2000 11 55 800 12 40 1500 13 35 2000 14 30 2000
Para simplificar, foram arredondados a quilometragem e o preço. E embora fosse
mais realista incluir detalhes como condição do carro (ferrugem, amassados, etc.),
cor, e localização do vendedor, para fins de ilustração da técnica de determinação
da equação incluímos apenas a quilometragem.
Os dados da tabela estão grafados na figura a seguir (Figura 34) a fim de
decidirmos se uma reta descreve adequadamente os dados. Conquanto seja
evidente a impossibilidade de achar uma reta que passe por cada um dos pontos
do diagrama, parece que uma relação linear é razoavelmente consistente com os
dados amostrais.
Preç
o de
ven
da (0
00)
Quilometragem (000)
x
y
0 10 20 30 40 50 60 70
1
2
3
Preç
o de
ven
da (0
00)
Quilometragem (000)
x
y
0 10 20 30 40 50 60 70
1
2
3
Figura 34 - Os dados parecem sugerir uma relação linear entre quilometragem e preço de
venda.
117
7.3. O Método dos Mínimos Quadrados
O método mais usado para ajustar uma linha reta a um conjunto de pontos é
conhecido como técnica dos mínimos quadrados. A reta resultante tem duas
características importantes: (1) a soma dos desvios verticais dos pontos em
relação à reta é zero, e (2) a soma dos quadrados desses desvios é mínima (isto
é, nenhuma outra reta daria menor soma de quadrados de tais desvios).
Simbolicamente, o valor que é minimizado é:
2)(∑ − ci yy
onde
iy = um valor observado y
cy = o valor de y utilizando-se a equação de mínimos quadrados com valor de x
correspondente a iy
Os valores de a e b para a reta cy = a + bx que minimiza a soma dos quadrados
dos desvios são as soluções das chamadas “equações normais”:
∑ ∑+=y
xbna )(
)()( 2∑ ∑∑ +xy
xbxa
Onde n é o número de pares de observações. Assim, obtendo-se as quantidades
∑x, ∑xy
etc., poderíamos resolver essas equações simultâneas em relação a
a e b. Todavia, as equações podem ser resolvidas algebricamente em relação a a
e b, e isto proporciona uma forma muito mais simples. O resultado consiste em
duas fórmulas, uma para a e uma para b, usadas para fins de cálculo:
∑∑∑∑∑
−
−= 22 )()(
))(()(xxnyxxyn
b
nxby
a ∑∑ −=
118
Podemos usar o método dos mínimos quadrados para obter uma reta para o
exemplo quilometragem versus preço de venda. Das equações acima é evidente
que, para determinar a equação linear, devemos primeiro calcular. ∑x, ∑y
,
∑ 2x e ∑xy Tais valores se determinam a partir dos dados amostrais. Calcula-
se também uma quantidade adicional. ∑ 2y , para uso posterior. Note-se que n =
14 pares de observações. Veja os cálculos na tabela (Tabela 28).
Da tabela temos:
56,38525.50
000.948.1025.255550.305
000.908.10000.960.8)505()825.21(14
)600.21)(505()000.640(142 −=
−=
−−
=−
−=b
934.214
4,979.4014
)505)(56,38(600.21)(==
−−=
−= ∑∑
nxby
a
Tabela 28 - Cálculos para os dados.
Observação
Quilometragem
(em 1.000) x
Preço de venda em $
y xy x2 y2
1 40 1.000 40.000 1600 1.000.000 2 30 1.500 45.000 900 2.250.000 3 30 1.200 36.000 900 1.440.000 4 25 1.800 45.000 625 3.240.000 5 50 800 40.000 2.500 640.000 6 60 1.000 60.000 3.600 1.000.000 7 65 500 32.500 4.225 250.000 8 10 3.000 30.000 110 9.000.000 9 15 2.500 37.500 225 6.250.000
10 20 2.000 40.000 400 4.000.000 11 55 800 44.000 3.025 640.000 12 40 1.50 60.000 1.600 2.250.000 13 35 2.000 70.000 1.225 4.000.000 14 30 2.000 60.000 900 4.000.000
∑ x = 505 ∑ y =21.600
∑ xy =640.000
∑ 2x =21.825
∑ 2y =39.960.000
A equação de regressão resultante, yc = a + bx, e então
yc = 2.934 – 38,56x
A equação pode ser interpretada da seguinte maneira. O preço de venda
esperado para um carro 1975 é $2.934 menos $38,56 para cada mil milhas que o
carro tenha rodado. Por exemplo, para um carro com 20.000 milhas rodadas, a
119
equação sugere um preço de venda de $2.934 – 38,56(20) = $2.163.
É importante reconhecermos certos fatos relativos à equação de regressão. Um é
que se trata de uma relação média; assim, um carro com determinada
quilometragem não obterá necessariamente o preço de venda exato indicado pela
equação. Outro ponto importante é que seria muito arriscado extrapolar essa
equação para preços e quilometragem fora do âmbito dos dados.
Em outras palavras, embora tenhamos ficado razoavelmente convencidos,
mediante uma rápida inspeção dos dados, de que a relação era linear, isso não
nos autoriza a supor que carros com maior ou menor quilometragem apresentem
a mesma relação entre o preço e quilometragem.
A reta de regressão tem interessante propriedade de passar sempre pelo ponto
),( yx . Essa informação é útil para certos tipos de problema.
7.4. Análise de Correlação
O objetivo do estudo correlacional é a determinação da força do relacionamento
entre duas observações emparelhadas. O termo “correlação” significa literalmente
“co-relacionamento”, pois indica até que ponto os valores de uma variável estão
relacionados com os de outra. Há muitos casos em que pode existir um
relacionamento entre duas variáveis. Consideremos, por exemplo, questões como
estas:
% A idade e a resistência física estão correlacionadas?
% Pessoas de maior renda tendem apresentar melhor escolaridade?
% O sucesso num emprego pode ser predito com base no resultado de teste?
% A temperatura parece influenciar a taxa de criminalidade?
% Estudantes com maior capacidade de leitura tendem a obter melhores
resultados em cursos de matemáticas?
Problemas como esses se prestem à análise de correlação. O resultado de tal
120
análise é um coeficiente de correlação – um valor que quantifica o grau de
correlação. Nas páginas que seguem, o leitor aprenderá (1) as características
importantes dos coeficientes correlacionados, (2) processos computacionais, e
(3) como usar tais coeficientes para fazer inferências sobre relações numa
população. Consideremos três técnicas de correlação: uma para mensuração de
dados, uma para dados por postos, e uma para classificações nominais.
7.5. Dados Contínuos: O Coeficiente r de Pearson
A forma mais comum de análise de correlação envolve dados contínuos. O grau
de relacionamento entre duas variáveis contínuas é sintetizado por um
coeficiente de correlação conhecido como “r de Pearson”, em homenagem ao
grande matemático Karl Pearson, que desenvolveu a técnica. Essa técnica só é
válida se pudermos levantar certas hipóteses um tanto rígidas. As hipóteses são:
% Tanto x como y são variáveis aleatórias contínuas. Isto é, ao contrário da
análise de regressão, não se aceita selecionar certos valores de x e depois
avaliar y: tanto y como x devem variar livremente (isto é, ser considerados
“como são”).
% A distribuição de freqüência conjunta (isto é, a distribuição de valores dos
pares x, y) é normal. É o que se chama distribuição normal bivariada e acha-se
ilustrada abaixo (Figura 35).
x
f (x, y)
x
f (x, y)
Figura 35 - A análise de correlação supõe que x e y tenham uma distribuição conjunta de
freqüência que é normal.
121
7.5.1. Características de r
O coeficiente de correlação tem duas propriedades que caracterizam a natureza
de uma relação entre duas variáveis. Uma é o sinal (+ ou -) e a outra é sua
magnitude. O sinal é o mesmo que o do coeficiente angular de uma reta
imaginária que se “ajustasse” aos dados se fosse traçada num diagrama de
dispersão, e a magnitude de r indica quão próximos da “reta” estão os pontos
individuais. Por exemplo, valores de r próximos de -1,00 ou +1,00 indicam que os
valores estão muito próximos da reta, ou mesmo sobre a reta, enquanto que os
valores mais próximos de 0 sugerem maior dispersão. A Figura 9.7 ilustra esses
conceitos.
Mais precisamente, podemos dizer:
% O valor de r varia de -1,00 a +1,00: -1,00≤ r ≤1,00;
% Um relacionamento positivo (r é +) entre duas variáveis indica que a valores
altos (baixos) de uma das variáveis correspondem valores altos (baixos) da
outra;
% Um relacionamento negativo (r é -) significa que a valores altos (baixos) de
uma variável correspondem valores baixos (altos) da outra;
% Um relacionamento zero )0( ≈r indica que alguns valores altos estão em
correspondência com valores baixos e outros estão em correspondência com
valores altos;
% O sinal de r é sempre o mesmo sinal de b, o coeficiente angular de uma reta
imaginária ajustada aos dados. Note-se que não é necessário calcular esta
reta.
122
Valor de r Descrição do relacionamento linear Diagrama de dispersão
+ 1,00 Relacionamento positivo, perfeito
Cerca de + 0,70 Relacionamento positivo, moderado
0,00 Ausência de relacionamentos
Cerca de - 0,70 Relacionamento negativo, moderado
- 1,00 Relacionamento negativo, perfeito
y
x
y
x
y
x
y
x
y
x
Valor de r Descrição do relacionamento linear Diagrama de dispersão
+ 1,00 Relacionamento positivo, perfeito
Cerca de + 0,70 Relacionamento positivo, moderado
0,00 Ausência de relacionamentos
Cerca de - 0,70 Relacionamento negativo, moderado
- 1,00 Relacionamento negativo, perfeito
y
x
y
x
y
x
y
x
y
x
Figura 36 - Vários diagramas de dispersão e os valores correspondentes do coeficiente de
correlação.
7.5.2. Correlação Momento-Produto: Conceituação
O termo “momento-produto” descreve a maneira em que se combinam dados
emparelhados para obter o coeficiente de correlação. Para demonstrar o conceito,
consideremos o seguinte exemplo hipotético. Suponha-se que estejamos
interessados em saber se o desempenho do estudante na universidade está
relacionado com seu desempenho no curso secundário. Parece razoável que os
estudantes obtenham na universidade aproximadamente as mesmas notas que
obtiveram no curso secundário. Para avaliar isto, imaginemos 15 universitários
escolhidos aleatoriamente numa grande universidade, e comparemos suas
médias na universidade e no secundário. Os dados se apresentariam como os
exibidos a seguir (Tabela 29).
123
Tabela 29 - Dados Hipotéticos - Médias de 15 estudantes no Curso Secundário.
Número Estudante Secundário Classificação (%)
Universidade Classificação
1 Jim C. 80 1,0 2 Ed 82 1,0 3 Karen 84 2,1 4 Márcia 85 1,4 5 Peter 87 2,1 6 Beverly 88 1,7 7 Tom 88 2,0 8 Marc 89 3,5 9 Sid 90 3,1 10 Jim L. 91 2,4 11 Linda 91 2,7 12 Al 92 3,0 13 John 94 3,9 14 Susan 96 3,6 15 Ann Marie 98 4,0
Se existe forte relacionamento entre as médias no secundário e as médias na
universidade, a universidade pode incorporar tal estudo ao seu processo de
seleção. Ou então poderá utilizar a informação para estabelecer programas
corretivos.
Um primeiro passo, extremamente útil, na análise de dados desse tipo consiste
em construir um diagrama de dispersão, porque proporciona uma visualização do
relacionamento. Entre outras coisas, tal gráfico pode revelar se a reação linear é
concebível. Constrói-se o gráfico tomando um valor x (classif. no secundário) e
um valor y (classif. na universidade) para cada estudante. Nosso gráfico parece
indicar que existe uma relação positiva moderada, pois em geral médias baixas
no secundário parecem estar associadas a médias baixas na universidade,
enquanto que médias altas no secundário e na universidade parecem
corresponder-se, embora haja algumas exceções.
Não é de surpreender a constatação desse relacionamento. Na realidade, seria
de esperar um relacionamento ainda mais forte. Detenhamo-nos, pois, por um
momento, para refletir por que não há um relacionamento positivo perfeito. Entre
as explicações mais plausíveis estão as seguintes:
124
Cla
ssifi
caçã
o un
iver
sida
de
Classificação secundário (%)
0
1,0
2,0
3,0
4,0
80 85 90 95 100
Cla
ssifi
caçã
o un
iver
sida
de
Classificação secundário (%)
0
1,0
2,0
3,0
4,0
80 85 90 95 100
Figura 37 - Diagrama de dispersão das classificações de 15 estudantes no secundário e na
universidade.
% Os estudantes quase certamente provêm de diferentes cursos secundários,
com diferentes critérios de avaliação;
% A motivação e a capacidade podem modificar-se com o decorrer do tempo;
% Os programas universitários diferem, tanto na dificuldade como nos critérios de
avaliação;
% Há, sem dúvida, alguma avaliação aleatória.
É prudente construir um diagrama de dispersão dos dados sempre que for
possível. A visualização é especialmente útil na exploração de dados. Não
obstante, a menos que haja perfeito relacionamento entre as duas variáveis, é
necessário apelar para os métodos de cálculo, a fim de obter uma estatística que
sintetize o grau do relacionamento.
Nosso objetivo é saber se a situação relativa de um estudante num grupo está
relacionada com sua situação relativa no outro grupo de escores. É possível
medir a posição relativa de qualquer escore num grupo de escores em termos da
média e do desvio padrão do grupo. Isto é, subtraindo-se a média do grupo,
obtemos a posição de cada valor em relação aos outros valores do grupo. Isto, na
realidade, padroniza os escores e tem a propriedade de tornar comparáveis os
grupos de escores, mesmo que as médias ou desvios padrões grupais sejam
125
diferentes. Veja (Tabela 30) o processo de padronização para nossos dois
conjuntos de escores.
Esses escores padronizados podem agora ser usados para determinar uma cifra
que meça a situação combinada (isto é, posição relativa em grupos), calculando-
se o produto dos dois escores padronizados para cada estudante. Por exemplo,
se existe um relacionamento positivo entre os dois conjuntos de escores, então
escores elevados serão emparelhados com escores elevados, e escores baixos
com escores baixos. Além disso, o produto desses pares refletirá um
relacionamento positivo, pois eles tendem a ser positivo. Se há um
relacionamento negativo, o emparelhamento se dará entre escores altos e baixos,
dando produtos negativos (Figura 38).
Tabela 30 - Padronização dos Escores.
Escores x (secundário)
589==
xsx
Escores y (universidade)
0,15,2
==
ysy
Número Estudante xi (xi - x )zx
(xi - x )/sxyi (yi - y )
zy (yi - y )/sy
1 Jim C. 80 -9 -1,8 1,0 -1,5 -1,5 2 Ed 82 -7 -1,4 1,0 -1,5 -1,5
3 Karen 84 -5 -1,0 2,1 -0,4 -0,4 4 Márcia 85 -4 -0,8 1,4 -1,1 -1,1 5 Peter 87 -2 -0,4 2,1 -0,4 -0,4 6 Beverly 88 -1 -0,2 1,7 -0,8 -0,8 7 Tom 88 -1 -0,2 2,0 -0,5 -0,5 8 Marc 89 0 0 3,5 +1,0 +1,0 9 Sid 90 +1 +0,2 3,1 +0,6 +0,6 10 Jim L. 91 +2 +0,4 2,4 -0,1 -0,1 11 Linda 91 +2 +0,4 2,7 +0,2 +0,2 12 Al 92 +3 +0,6 3,0 +0,5 +0,5 13 John 94 +5 +1,0 3,9 +1,4 +1,4 14 Susan 96 +7 +1,4 3,6 +1,1 +1,1 15 Ann Marie 98 +9 +1,8 4,0 +1,5 +1,5
0 0
126
Quadrante1234
xx −+--+
yy −é é+--+
)yy)(xx( −− é
+--+
Quadrante1234
xx −+--+
yy −é é+--+
)yy)(xx( −− é
+--+
Figura 38
O coeficiente de correlação será a média desses produtos. Logo, o processo é o
seguinte:
% Converter os escores de cada grupo em escores padronizados;
% Determinar o produto de cada par de escores padronizados;
% Somar os produtos;
% Determinar o produto médio.
A média se obtém somando-se os produtos e dividindo-se a soma por n - 1 em
lugar de n, pela mesma razão que determina que se utilize n – 1 no desvio
padrão. Nossa fórmula será então:
1−= ∑
nyx
rzz
Os cálculos necessários para os escores de curso secundário e universitário
podem ser vistos a seguir (Tabela 31).
127
Tabela 31 - Cálculos para r usando os Escores Padronizados.
Número Estudante zy zx zz x y 1 Jim C. -1,5 -1,8 +2,702 Ed -1,5 -1,4 +2,103 Karen -0,4 -1,0 +0,404 Márcia -1,1 -0,8 +0,885 Peter -0,4 -0,4 +0,166 Beverly -0,8 -0,2 +0,167 Tom -0,5 -0,2 +0,108 Marc +1,0 0 0,00 9 Sid +0,6 +0,2 +0,1210 Jim L. -0,1 +0,4 -0,04 11 Linda +0,2 +0,4 +0,0812 Al +0,5 +0,6 +0,3013 John +1,4 +1,0 +1,4014 Susan +1,1 +1,4 +1,5415 Ann Marie +1,5 +1,8 +2,70
12,60
7.5.3. Interpretação de r
Nosso objetivo ao calcular o valor de r foi determinar se havia algum
relacionamento estatístico entre a situação do estudante no curso secundário e
sua situação do estudante no curso secundário e sua situação na universidade.
Encontramos r = + 0,90. O sinal + nos diz que existe um relacionamento positivo
entre os dois conjuntos de escores. Como sabemos que r tem um limite superior
de + 1,00, o resultado parece sugerir que as duas variáveis estejam estreitamente
relacionadas. Todavia, o valor de r pode ser enganoso. Na realidade, uma
estatística mais significativa é 2r , o coeficiente de determinação8, que dá a
percentagem de variação numa variável que é “explicada” estatisticamente pela
variação na outra variável. Por exemplo, neste caso, com.r = + 0,90, 2r = 0,81 o
que significa que 81% da variação dos pontos em torno das duas médias grupais
pode-se explicar pelo relacionamento entre as duas variáveis. Inversamente, 1 - 2r ou 19% da variação, não se pode explicar pelo relacionamento, e assim
devemos considerá-los como devidos a outros fatores não incluídos no estudo.
Algumas possibilidades são as motivações, métodos de avaliação, etc.
8 É o mesmo 2r mencionado em relação à variação numa reta de regressão.
90,014
60,121
+=+
=−
= ∑n
yxz
zz
128
7.5.4. Processo Prático para o Cálculo de r
A discussão precedente do coeficiente de correlação nos deu uma base intuitiva
para a correlação. Todavia, do ponto de vista prático, a técnica de padronização
das observações não é útil em vista do tempo necessário para os cálculos,
especialmente a subtração das médias grupais de cada observação e sua
elevação ao quadrado. Felizmente, há uma versão mais conveniente da fórmula,
que simplifica os cálculos, embora, à primeira vista, possa parecer trabalhosa:
∑ ∑∑∑∑ ∑∑
−⋅−
−=
2222 )()()()(
))(()(
yynxxn
yxxynr
Os cálculos necessários para a determinação de r por esse processo constam da
Tabela 9.6. Mesmo com esta fórmula, os cálculos são bastante longos.
Tabela 32 - Cálculos para obtenção de r.
Número Estudante xi
(secund.) yi
(univers.) xiyi
2ix 2
iy
1 Jim C. 80 1,0 80,0 6.400 1,00 2 Ed 82 1,0 82,0 6.724 1,00 3 Karen 84 2,1 176,4 7.056 4,41 4 Márcia 85 1,4 119,0 7.225 1,96 5 Peter 87 2,1 182,7 7.569 4,41 6 Beverly 88 1,7 149,6 7.744 2,89 7 Tom 88 2,0 176,0 7.744 4,00 8 Marc 89 3,5 311,5 7.921 12,25 9 Sid 90 3,1 279,0 8.100 9,61 10 Jim L. 91 2,4 218,4 8.281 5,76 11 Linda 91 2,7 245,7 8.281 7,29 12 Al 92 3,0 276,0 8.464 9,00 13 John 94 3,9 366,6 8.836 15,21 14 Susan 96 3,6 345,6 9.216 12,96 15 Ann Marie 98 4,0 392,0 9.604 16,00
∑ ix =1335 ∑ iy =37,5 ∑ xy =3.400,5 ∑ 2ix =119.115 ∑ 2
iy =107,75
As calculadoras de bolso e de mesa eliminam boa parte do trabalho, mas o
processo mais realista para o cálculo de r consiste em utilizar programas de
computador, quando pudermos dispor deles.
Há, com efeito, três maneiras alternativas de obter o valor de r: padronizar cada
conjunto de escores e achar o produto médio, usar a fórmula, ou calcular o
coeficiente de determinação 2r e achar a raiz quadrada. Para certo conjunto de
129
dados, todos os três métodos dão o mesmo valor de r. Não obstante, cada
processo acrescenta algo ao nosso entendimento do significado do termo
“correlação”. A Tabela 9.7 dá uma rápida comparação dos três métodos.
Tabela 33 - Três Métodos Alternativos para a Obtenção de r.
Método Comentário
)/(1 22ye ssr −=
A correlação em termos de regressão. O sinal de r é o mesmo sinal de b. A correlação está relacionada inversamente com a dispersão, mais alta a correlação. Utilizar n – 2 no cálculo de 2
ys .
Valores padronizados A correlação mede o relacionamento entre duas variáveis com a média e o desvio padrão de cada variável “equalizados”.
∑ ∑∑∑∑ ∑∑
−⋅−
−=
2222 )()()()( yynxxn
yxxynr Mais adequado para o cálculo mecânico.
130
8. REFERÊNCIAS BIBLIOGRÁFICAS
1 FONSECA, J. S. e MARTINS, G. A. (1996). Curso de estatística. São Paulo:
Atlas. 6ª edição.
2 STEVENSON, W. J. (1986). Estatística aplicada à administração. São
Paulo: Harbra.
131
Anexos
132
z Área entre a
média e z 1,00 0,3413 1,50 0,4332 2,13 0,4834 2,77 0,4972
Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,00 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,03590,10 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,07530,20 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,11410,30 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,15170,40 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,18790,50 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,22240,60 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,25490,70 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,28520,80 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,31330,90 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,33891,00 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,36211,10 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,38301,20 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,40151,30 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,41771,40 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,43191,50 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,44411,60 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,45451,70 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,46331,80 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,47061,90 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,47672,00 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
